Hématologie biologique et IA : annonce des lauréats du Data Challenge CytologIA
Organisé par le Groupe Francophone d’Hématologie Cellulaire (GFHC) en partenariat avec Algoscope, le Data Challenge CytologIA a marqué une étape clé dans l’application de l’intelligence artificielle dans le diagnostic en hématologie biologique. Les résultats ont été annoncés le 11 février 2025 lors du Sommet mondial pour l’action sur l’intelligence artificielle.
Une compétition internationale pour révolutionner l'analyse du frottis sanguin
Pendant six semaines d'intense compétition, près de 250 équipes du monde entier se sont affrontées pour développer des modèles d'IA capables d'améliorer la classification des leucocytes à partir d'images cytologiques. L'enjeu était de taille : concevoir des solutions fiables et accessibles pour automatiser cette analyse, aujourd'hui réservée à des experts concentrés dans des centres de référence.
Les participants ont travaillé sur une base de données unique, rassemblant plus de 70 000 images annotées issues de 23 centres hospitaliers francophones. Avec près de 2 000 modèles soumis, cet engagement marque une étape vers une utilisation généralisée des outils de détection en hématologie.
Trois équipes gagnantes, trois approches innovantes
Trois équipes se sont distinguées par la qualité et l'efficacité de leurs modèles, apportant une contribution majeure à la classification cytologique. Chacune a dépassé 93 % de précision, marquant une avancée significative dans l'application de l'IA au diagnostic en hématologie biologique.
1ère place - MPWARE
MPWARE a développé une solution robuste et reproductible, combinant YOLOX pour la détection avec des modèles CNN et Transformers pour une classification optimisée. Un répertoire en ligne documente chaque étape, de la préparation des données à l'inférence finale.
2ème place - Xueer
Xueer s'est illustrée par une approche intégrant détection et classification sur des données augmentées. L’architecture du modèle repose sur YOLOv9c pour la détection et YOLOv11 optimisé pour la classification, atteignant ainsi des performances remarquables. La solution est disponible ici.
3ème place - Simon Thomine
Simon Thomine a proposé une approche efficace et simplifiée, basée sur un modèle en une seule étape, optimisé grâce à un important travail de nettoyage et d'annotation des données. Son modèle et sa documentation sont disponibles ici.
Un impact durable grâce à l’open source et l’open data
Les résultats du Data Challenge CytologIA ne s'arrêtent pas à la compétition. Tous les modèles gagnants sont disponibles en open source, favorisant la réplicabilité et l'amélioration continue. Ce projet pose ainsi les bases d'une IA plus accessible et transparente pour le diagnostic médical.
Par ailleurs, la base de données inédite de plus de 70 000 images cellulaires sera bientôt publiée en open data, stimulant ainsi de nouveaux projets de recherche en cytologie digitale.
Présenté au Sommet pour l’action sur l’intelligence artificielle, cet effort collectif démontre comment les Data Challenges peuvent accélérer la recherche et la mise en œuvre de solutions innovantes dans le domaine de la santé.
Pour en savoir plus sur le programme Data Challenge en santé du Health Data Hub, rendez-vous ici. Pour rester informé des actualités et du lancement des compétitions, inscrivez-vous à notre newsletter.