Flux de travail

Le champ de vision des radiologues s’amenuise avec la fatigue

La proportion des poumons couverte par le regard des radiologues baisse de 1,3 % à 7,6 % après 100 lectures de radiographies thoraciques, selon une étude présentée dans Journal of Digital Imaging. Selon ses auteurs, la caractérisation de la fatigue des radiologues par une IA décodant leurs mouvements oculaires pourrait permettre d’optimiser le flux de travail.

icon réservé aux abonnésArticle réservé aux abonnés
Le 24/01/23 à 8:00, mise à jour le 29/10/26 à 14:08 Lecture 2 min.
Reportage HPA Antony dépistage du cancer du poumon scanner

L'IA développée par Bulat Ibragimov, de l'université de Copenhague, détecte la fatigue des radiologues en percevant la diminution de la couverture des images thoraciques par leur regard (photo d'illustration). © Docteur Imago

Et si l'intelligence artificielle (IA) permettait de détecter la fatigue chez le radiologue avant même qu'il s'en aperçoive ? Pour en avoir le cœur net, Bulat Ibragimov, professeur au sein du département de sciences informatiques de l'université de Copenhague (Danemark), et ses collègues, ont analysé la proportion des poumons observée par quatre radiologues sur une station de travail munie de suivi oculaire. D’après leurs résultats, publiés le 9 janvier dans Journal of Digital Imaging, le champ de vision des radiologues diminue de 1,3 % à 7,6 % toutes les 100 radiographies thoraciques, quelles que soient les anomalies présentes sur les images [1]. Cette baisse de la couverture visuelle des images, expliquent-ils, pourrait informer les radiologues qu’il est temps de recourir à une validation extérieure.

400 radiographies thoraciques interprétées

Pour analyser les mouvements oculaires des radiologues, les auteurs de l'étude en ont recruté quatre, auxquels ils ont demandé d’interpréter 400

Il vous reste 70% de l’article à lire

Docteur 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 !

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

Offre mensuelle 100 % numérique

23 €

par mois

S’abonner à Docteur Imago

Auteurs

François Mallordy

Journaliste rédacteur spécialisé

Voir la fiche de l’auteur

Bibliographie

  1. Pershin I., Mustafaev T., Ibragimpva D. et coll., « Changes in radiologists’ gaze patterns against lung x-rays with different abnormalities: a randomized experiment », Journal of Digital Imaging, janvier 2023. DOI : 10.1007/s10278-022-00760-2.
  2. Pershin I., Kholiavchenko M., Maksudov B. et coll., « Artificial intelligence for the analysis of workload-related changes in radiologists’ gaze patterns », IEEE Journal of Biomedical and Health Informatics, septembre 2022, vol. 26, n° 9. DOI : 10.1109/JBHI.2022.3183299.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

10 Nov

15:30

Le modèle vision-langage GPT-5.2 n'a pas montré de différence significative en termes de précision par rapport à des radiologues inexpérimentés pour l'évaluation échographique des ganglions axillaires suspects dans le cancer du sein (étude).

11:30

La Société française de neuroradiologie (SFNR) annonce le lancement de son podcast NeuroCast et l'inauguration de sa chaîne YouTube.

7:30

09 Nov

15:30

L'IRM 7 T détecte mieux les artères perforantes cérébrales, d’après une revue systématique publiée dans l’American Journal of Neuroradiology, qui a compilé 106 études basées sur 6 785 participants. Cependant, les méthodes de comptage et le manque de validation anatomique ne permettent pas d'en déduire la fiabilité réelle ni la supériorité clinique, indiquent les chercheurs.
✕
Docteur Imago

GRATUIT
VOIR