Google Research travaille sur l'expansion de l'accès aux soins maternels en utilisant TensorFlow Lite, un cadre open-source pour exécuter des modèles de machine learning sur des appareils mobiles et edge. Les complications liées à la grossesse et à l'accouchement causent environ 287 000 décès maternels et 2,4 millions de décès néonatals chaque année, principalement dans des environnements sous-équipés. Les avancées technologiques ont rendu les appareils d'échographie plus abordables et portables, mais l'absence d'experts formés limite leur utilisation. Google Research développe des modèles d'IA pour permettre aux travailleurs de la santé sans expérience en échographie de collecter des scans utiles cliniquement. Ces modèles utilisent une procédure de balayage à l'aveugle, facile à enseigner, et ont démontré des performances comparables aux standards de soins actuels. Les modèles sont optimisés pour fonctionner sur des appareils mobiles, permettant une utilisation dans des environnements avec un accès limité à l'électricité et à l'internet. Les prédictions sont agrégées pour produire un résultat final, améliorant ainsi l'accès aux soins prénatals dans les régions rurales et mal desservies.
Évaluation échographique fœtale sur appareil avec TensorFlow Lite
Points clés
- TensorFlow Lite est utilisé pour développer des outils d'échographie accessibles sur des appareils mobiles.
- Les modèles d'IA permettent aux non-experts de réaliser des échographies utiles cliniquement.
- La procédure de balayage à l'aveugle simplifie la collecte de données échographiques.
- Les modèles sont optimisés pour fonctionner dans des environnements avec des ressources limitées.
- Cette technologie pourrait réduire les décès maternels et néonatals dans les régions sous-équipées.
Pourquoi c'est important
Cette innovation pourrait considérablement réduire les décès maternels et néonatals en rendant les échographies accessibles dans les régions sous-équipées, où l'accès aux soins prénatals est limité. Elle démontre également le potentiel de l'IA pour améliorer les soins de santé dans des environnements avec des ressources limitées.
Article original : https://blog.tensorflow.org/2023/06/on-device-fetal-ultrasound-assessment-with-tensorflow-lite.html
Synthèse éditoriale issue d’une veille et d’outils d’IA. Des erreurs ou approximations peuvent subsister. Référez‑vous à la source originale et à notre disclaimer.