Cognition visuelle

Des pigeons pour détecter les anomalies pulmonaires

Après une série d’entraînements par renforcement positif, une équipe de chercheurs américain aurait mis en évidence d’étonnantes capacités de détection d’anomalies pulmonaires chez les pigeons. Ces compétences de classification pourraient alimenter la recherche et le développement des algorithmes d’intelligence artificielle.

icon réservé aux abonnésArticle réservé aux abonnés
Le 07/07/26 à 7:00, mise à jour le 08/07/26 à 16:18 Lecture 3 min.

Au-delà de la forme spécifique des nodules, les pigeons auraient mentalement créé une catégorie générale « anomalie pulmonaire » (photo d'illustration). © Wikimedia Commons

Les pigeons seraient capables d’identifier les anomalies pulmonaires sur des images de scanners, selon une étude [1] publiée dans la revue Animal Cognition. Dotés d’un système visuel très performant, ces volatiles sont régulièrement sollicités dans la recherche en cognition visuelle comparée, leur stratégie d’analyse visuelle reposant sur des principes très proches de celle des humains. Plusieurs études antérieures laissent penser que les pigeons, capables de développer un système de catégorisation implicite sans l’interférence de processus conscients, seraient en mesure d’identifier efficacement certaines anomalies médicales.

Les pigeons identifient les nodules sur des nouvelles images

À l’issue d’une série de quatre expériences, les auteurs rapportent avoir démontré des capacités de catégorisation visuelle implicite des nodules pulmonaires chez les pigeons. 6 individus ont appris à différencier des images de scanner selon un apprentissage go/no go : la moitié a été formée à picorer dev

Il vous reste 78% de l’article à lire

Tech Imago réserve cet article à ses abonnés

S'abonner à l'édition
  • Tous les contenus « abonnés » en illimité
  • Le journal numérique en avant-première
  • Newsletters exclusives, club abonnés

Abonnez-vous !

Tech Imago en illimité sur desktop, tablette, smartphone, une offre 100% numérique

Offre découverte

1€

pendant 1 mois
puis 13 €/mois

S’abonner à Tech Imago

Auteurs

Inès Bourdon

Journaliste spécialisée

Voir la fiche de l’auteur

Bibliographie

  1. Qadri MAJ, Reyes RRR, Kifjak D, et al (2026) An animal model of radiological medical image reading: detection of lung abnormalities in multi-slice CT by pigeons (Columba livia). Anim Cogn 29:26. https://doi.org/10.1007/s10071-026-02048-2.

Spécialité médicale

Pneumologie

Modalité d’imagerie

Scanner

Mots-clés

scanner

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Tech Imago

10 Juil

15:33

La consommation énergétique en IRM est principalement liée à l’utilisation des gradients, conclut une étude présentée dans Academic Radiology. Les séquences ep2D DWI et DTI étant les plus énergivores. Le choix de séquences moins énergivores, dans un contexte clinique approprié, peut réduire la consommation d’énergie par séquence de 20 à 49 %.

7:31

Une méta-analyse de 23 études démontre que la TEP-TDM au [18F]FDG et l’IRM pelvienne présentent des sensibilités comparables pour la détection des métastases ganglionnaires latérales du cancer du rectum. En revanche, la TEP-TDM au [18F]FDG peut aider à exclure les faux positifs, évitant ainsi les dissections latérales des ganglions lymphatiques et la morbidité associée.

7:00

09 Juil

17:00

Des modèles d’apprentissage profond conçus pour identifier les résultats d’imagerie directe et indirecte sur le scanner ont montré des performances diagnostiques comparables ou meilleures que celles des médecins expérimentés pour la détection du cancer du pancréas, selon une étude de Radiology.

11:00

Dans une étude rétrospective suédoise, des chercheurs ont testé trois systèmes de détection assistée par ordinateur (AI-CAO) basés sur l’IA sur des données de mammographie provenant d’une grande population de dépistage. Ceux-ci ont démontré leur potentiel à détecter les signes précoces du cancer du sein jusqu’à 6 ans avant le diagnostic, selon une étude publiée dans Radiology. (Communiqué)

7:45

Le scanner corps entier à ultra-faible dose, associé à un algorithme de reconstruction par intelligence artificielle (SR-DLR), permet de réduire d'environ 70 % l'exposition aux rayonnements tout en conservant une excellente qualité d'image et des performances diagnostiques élevées pour la détection des maladies viscérales et métastatiques des tissus mous chez les patients oncologiques sous surveillance du cancer, indique une étude parue dans European Journal of Radiology.
✕
Tech Imago

GRATUIT
VOIR