Apprentissage multi-tâches pour la détection du mélanome avec Julianna Ianni

Dans l’épisode d’aujourd’hui, nous sommes rejoints par Julianna Ianni, vice-présidente de l’IA Research & Development chez Proscia. Dans notre conversation, Julianna la partage et ses recherches de son équipe axées sur le développement d’applications qui contribueraient à faciliter la vie des pathologistes en permettant aux tâches d’être diagnostiqués rapidement et avec précision à l’aide d’un apprentissage en profondeur et d’une IA. Nous explorons également leur papier « Un système d’apprentissage en profondeur de pathologie capable de triage de spécimens de mélanome utilisant le consensus du dermatopathologiste comme vérité fondamentale« , tout en parlant de la façon dont le ML aide les pathologistes à diagnostiquer le mélanome en construisant un classificateur multitâche pour distinguer les cas à faible risque et à haut risque. Enfin, nous avons discuté des défis liés à la conception d’un modèle qui aiderait à identifier et à classer le mélanome, les résultats qu’ils ont atteints et à quoi pourrait ressembler l’avenir de ce travail.