intelligence artificielle

Un outil d’IA démontre une sensibilité de 99 % pour identifier les radiographies thoraciques anormales

Un outil d’IA automatisé disponible dans le commerce a atteint une sensibilité de 99,1 % dans l’identification des radiographies thoraciques anormales. Selon une étude, cette performance peut permettre de réduire la charge de travail des radiologues.

icon réservé aux abonnésArticle réservé aux abonnés
Le 30/03/23 à 13:30, mise à jour hier à 15:08 Lecture 2 min.

Les comptes rendus des radiologues avaient une sensibilité plus faible que l’outil d’IA pour les radiographies thoraciques anormales, soulignent les auteurs. L'IA n'a en effet donné qu'un seul faux négatif. © Plesner L. L. et coll. | RSNA

Dans un contexte de pénurie mondiale croissante de radiologues, des solutions d’intelligence artificielle permettant d'automatiser la lecture des radiographies thoraciques promettent d’alléger la charge de travail des professionnels de santé. Une étude présentée dans la revue Radiology a évalué un de ces outils disponibles dans le commerce, qui a montré une sensibilité supérieure à celle des radiologues pour identifier les radiographies thoraciques anormales [1].

Une étude multicentrique incluant 1 529 patients

Cette étude rétrospective multicentrique a été réalisée dans quatre hôpitaux au Danemark. 1 529 patients adultes ayant passé une radiographie thoracique postéroantérieure dans les services d'urgence, ambulatoires, ou à l'hôpital, ont été inclus.

L’outil d’IA Oxipit évalué

Trois radiologues ont passé ces examens en revue et les ont étiquetés pour établir un standard de référence basé sur trois catégories : « critique », « autres remarques », ou « normale » (aucune anomalie). L’outil

Il vous reste 72% 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

Solenn Duplessy

Voir la fiche de l’auteur

Bibliographie

  1. Plesner L. L., Müller F. C., Nybing J. D. et coll., « Autonomous chest radiograph reporting using AI: estimation of clinical impact », Radiology, epub 7 mars 2023. DOI : 10.1148/radiol.222268

Spécialité médicale

Pneumologie

Modalité d’imagerie

Radiologie conventionnelle

Mots-clés

radiographie thoracique intelligence artificielle

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

15 Mai

17:40

Le diagnostic du cancer de sein par ordinateur assisté par IA (AI-CAD) pourrait considérablement améliorer la spécificité et réduire le temps de lecture des mammographies, sans compromettre la sensibilité, selon une étude incluant 9 radiologues dans plusieurs pays d'asie (étude).

13:30

Un algorithme de débruitage pourrait permettre d’atténuer la dégradation du bruit liée à l’indice de masse corporelle (IMC) des images de scanner cardiaque à comptage photonique, sans sacrifier l’interchangeabilité clinique (étude).

10:45

Les marqueurs de neuro-imagerie issus de l’IRM pourraient refléter la gravité du parkinsonisme et des ataxies cérébelleuses, deux sous-types d’atrophies multisystématisées (MSA) (étude).

7:00

13 Mai

13:42

L'atrophie du nerf optique avec un signal T/FLAIR augmenté et une absence de rehaussement constitue le schéma dominant de la neuropathie optique chronique en IRM, reflétant très probablement une dégénération axonale plutôt qu'une inflammation active, conclut une étude présentée dans Neuroradiology.

7:43

Il est nécessaire d'entraîner l’IA sur des populations plus diverses, et à travers différentes stratégies de dépistage pour permettre son utilisation dans les cas d’IRM prostatiques de dépistage, selon une revue de cadrage publiée dans l’European Journal of Radiology.
✕
Docteur Imago

GRATUIT
VOIR