Évaluation de l'IA

Des recommandations anglaises questionnent l’intérêt de l’IA dans la radiographie thoracique d’une suspicion de cancer

Parues le 28 septembre, des recommandations du National Institute for Health and Care Excellence, un organisme public britannique, remettent en cause l'intérêt clinique des IA commercialisées dans la radiographie thoracique en cas de suspicion de cancer. En cause, un manque de preuves d'efficacité en clinique – une problématique qui s'étend à tout le champ de l'IA en radio thoracique, en plein boom.

icon réservé aux abonnésArticle réservé aux abonnés
Le 16/01/24 à 15:00 Lecture 4 min.

Dans ses recommandations nationales, le NICE soutient que ces produits doivent faire l'objet de plus de recherches pour être utilisés en clinique sur les suspicions de cancer du poumon. (image d'illustration). D.R.

Évaluation du risque de développer une maladie cardiovasculaire, du risque de cancer du poumon chez le non-fumeur, détection du diabète de type 2... Ces deux dernières années, plusieurs logiciels utilisant l'intelligence artificielle (IA) ont remporté des succès en repérage opportuniste sur des radios thoraciques. Ce nouvel axe de développement n'est que le dernier cheval de bataille des développeurs d'IA, après le développement de logiciels visant à repérer les maladies thoraciques recherchées en radiologie conventionnelle – cancer du poumon, tuberculose, pneumothorax, etc. – , et plus récemment l'introduction de l'IA générative pour booster les capacités de ces nouveaux outils.

Un examen qui attire la medtech

Plusieurs raisons expliquent cet intérêt des entreprises de la medtech pour la radiographie thoracique : cette dernière demeure très pratiquée, et la production d'une seule image par examen facilite l'entraînement et le développement d'outils d'IA par rapport à l'imagerie en c

Il vous reste 83% 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. Jones C. M., Buchlak D. Q., Oakden-Rayner L., et coll., « Chest radiographs and machine learning – Past, present and future », Journal of Medical Imaging and Radiation Oncology, 25 juin 2021. DOI : 10.1111/1754-9485.13274.
  2. Plesner L. Louis., Müller C. F., Brejnebøl W. M. et coll., « Commercially Available Chest Radiograph AI Tools for Detecting Airspace Disease, Pneumothorax, and Pleural Effusion », Radiology, 26 septembre 2023. DOI : 10.1148/radiol.231236.
  3. Shin J. H., Han K., Ryu L., et coll., « The impact of artificial intelligence on the reading times of radiologists for chest radiographs », NPJ Digital Medicine, 29 avril 2023. DOI : 10.1038/s41746-023-00829-4.

Spécialité médicale

Oncologie Pneumologie

Modalité d’imagerie

Radiologie conventionnelle

Mots-clés

cancer du poumon radiographie thoracique intelligence artificielle

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

10 Avr

13:14

Les événements de sécurité des patients en radiologie représentent une faible proportion des incidents (3,2 %), mais révèlent des vulnérabilités importantes, notamment chez les enfants et les personnes âgées, avec un risque élevé lié aux médicaments et aux produits de contraste, selon une étude publiée dans Current Problems in Diagnostic Radiology

7:13

Les patientes atteintes d’un cancer du sein qui développent un dysfonctionnement cardiaque lors d’une chimiothérapie néoadjuvante subissent également une perte de tissu cérébral significativement plus importante que celles dont la fonction cardiaque reste stable, selon une étude publiée dans Academic Radiology.

7:00

09 Avr

16:21

Une étude multicentrique publiée dans European Radiology montre qu’un modèle de deep learning combinant nnU-Net et ConvNeXt-tiny permet d’évaluer avec précision l’invasion musculaire dans le cancer de la vessie à partir d’IRM, avec des performances élevées et stables.

15:00

13:17

Une étude pilote a évalué un outil d’IA (BoneView) capable de détecter les fractures liées à la maltraitance chez des enfants de moins de 5 ans, montrant une légère amélioration de sa précision après un premier réentraînement. Ces résultats préliminaires suggèrent qu’un entraînement supplémentaire pourrait permettre d’atteindre des performances cliniquement utiles et renforcer l’aide au diagnostic dans ce contexte.
✕
Docteur Imago

GRATUIT
VOIR