Explainable Hybrid ConvNeXt–Vision Transformer Model for Pneumonia Detection from Chest X-ray Images

Imaginez un monde où vos yeux sont les détectives ultimes, mais parfois, même le détective le plus affûté a besoin d'un petit coup de pouce pour voir l'invisible. Dans le domaine de la médecine, les médecins utilisent des caméras spéciales appelées rayons X pour regarder à l'intérieur de nos poitrines, tentant de repérer un envahisseur sournois appelé pneumonie. La pneumonie est une infection pulmonaire qui rend la respiration difficile, et la détecter tôt, c'est comme arrêter un incendie avant qu'il ne brûle toute la maison. Mais voici la partie délicate : parfois, la différence entre un poumon sain et un poumon infecté est aussi subtile qu'un murmure dans une tempête. Il est facile pour même un expert humain de manquer les indices.

Entrez dans le monde de l'Intelligence Artificielle (IA), plus précisément une branche appelée « Deep Learning » (apprentissage profond). Considérez le Deep Learning comme un étudiant super intelligent qui apprend en regardant des milliers d'images. Habituellement, cet étudiant utilise deux méthodes principales pour étudier : une façon de regarder une peinture avec une loupe pour voir les minuscules coups de pinceau (c'est ce qu'on appelle un Réseau de Neurones Convolutifs, ou CNN), et une autre façon de prendre du recul pour voir l'image globale et comment les couleurs sont liées entre elles (c'est ce qu'on appelle un Transformer de Vision, ou ViT). Pendant longtemps, les scientifiques ont débattu pour savoir quel étudiant était le meilleur. Mais et si nous pouvions construire un super-étudiant capable de faire les deux en même temps ? C'est exactement ce qu'une équipe de chercheurs de l'Université Islamique Internationale de Chittagong a entrepris de faire. Ils voulaient créer un outil qui ne se contente pas de deviner si un poumon est malade, mais qui explique aussi pourquoi il le pense, aidant ainsi les médecins à prendre des décisions plus rapides et plus sûres.

L'arme secrète du super-étudiant

Les chercheurs ont construit un modèle « hybride », ce qui est une façon sophistiquée de dire qu'ils ont collé deux cerveaux d'IA différents pour en faire un super-cerveau. Une moitié de ce cerveau est basée sur ConvNeXt, qui est excellent pour repérer les détails locaux, comme les petites zones floues qui apparaissent souvent lorsqu'un poumon est infecté. L'autre moitié est un Transformer de Vision (ViT), qui est doué pour comprendre la vue d'ensemble et la façon dont les différentes parties du poumon sont connectées.

Mais ils ne s'en sont pas arrêtés là. Ils ont ajouté un mécanisme d'attention spécial appelé CBAM. Imaginez cela comme une paire de lunettes magiques qui disent à l'IA : « Hé, regarde ici, cette partie est importante, ignore ce fond flou ». Cela aide le modèle à se concentrer sur les endroits exacts de la radiographie qui comptent le plus, filtrant ainsi le bruit.

Pour enseigner à ce nouveau super-cerveau, l'équipe n'a pas utilisé seulement quelques images. Ils ont rassemblé une immense bibliothèque de 6 590 images de radiographies thoraciques. Certaines montraient des poumons sains, et d'autres montraient de la pneumonie. Ils ont divisé cette bibliothèque en trois tas : un pour l'apprentissage (entraînement), un pour vérifier les devoirs (validation), et un pour l'examen final (test). Avant de nourrir l'IA avec ces images, ils ont joué quelques tours pour rendre les données encore meilleures, comme retourner les images latéralement ou changer la luminosité, afin que l'IA ne soit pas confuse si une image semble légèrement différente.

Le résultat : Un nouveau champion

Lorsqu'est venu le moment de l'examen final, les résultats ont été impressionnants. Le modèle hybride a eu raison 94,03 % du temps. Pour mettre cela en perspective, ils l'ont testé contre d'autres étudiants IA de haut niveau dans la salle, comme ResNet152, MobileNetV2, et même le Transformer de Vision tout seul. Le modèle hybride les a tous battus, obtenant des scores plus élevés en précision, en exactitude et en rappel.

Mais la vraie magie ne résidait pas seulement dans le score ; c'était l'« explicabilité ». Par le passé, les modèles d'IA étaient comme des boîtes noires : vous insériez une radiographie, et un « Oui » ou un « Non » en sortait, mais vous n'aviez aucune idée du pourquoi. Les chercheurs ont utilisé une technique appelée Grad-CAM pour transformer le processus de pensée de l'IA en une carte thermique colorée. Lorsque le modèle voyait une pneumonie, la carte thermique s'illuminait sur les zones infectées exactes du poumon, brillant en rouge pour montrer au médecin : « Je m'inquiète pour cet endroit ». C'est un point crucial car cela instaure la confiance. Un médecin peut regarder la radiographie, voir la tache rouge brillante, et dire : « Ah, je vois ce que l'ordinateur voit », plutôt que de faire aveuglément confiance à une supposition.

Pourquoi cela importe (et ce que ce n'est pas)

Cette étude suggère que la combinaison de différents types de cerveaux d'IA, accompagnés d'un moyen de se concentrer sur les détails importants, crée un outil plus fiable pour détecter la pneumonie. Le modèle a montré qu'il pouvait distinguer les poumons malades des poumons sains avec une grande confiance, atteignant une précision de 95,01 % et un rappel de 92,74 %. Les chercheurs soutiennent que cette approche est meilleure que l'utilisation d'un seul type de modèle car elle capture à la fois les détails infimes et la vue d'ensemble.

Cependant, l'article prend soin de noter que ce n'est pas encore un remède miracle. Le modèle éprouve encore quelques difficultés lorsque la pneumonie est très légère ou lorsque les images sont complexes, et il a été testé sur un ensemble de données spécifique. Les auteurs suggèrent que, bien que ce soit une étape prometteuse vers un outil de diagnostic assisté par ordinateur, davantage de travail est nécessaire pour le rendre parfait pour chaque hôpital du monde. Ils soulignent également que l'ensemble de données, bien que vaste, pourrait être encore plus grand et plus diversifié.

En bref, cet article ne prétend pas avoir résolu la pneumonie pour toujours. Au lieu de cela, il propose une nouvelle façon puissante et transparente d'aider les médecins à voir l'invisible, prouant que lorsque l'on combine le meilleur de deux mondes de l'IA et que l'on ajoute une touche d'« attention », on obtient un outil qui est non seulement intelligent, mais aussi facile à comprendre.