Évaluer la confiance de l’IA

Au RSNA, une session aborde la quantification de l’incertitude des IA d’aide au diagnostic

À l’occasion du grand rendez-vous annuel de la radiologie, des chercheurs et des radiologues se sont relayés pour évoquer la question épineuse de la quantification de l’incertitude des IA, présentée comme un frein majeur à l’adoption clinique de ces systèmes.

icon réservé aux abonnésArticle réservé aux abonnés
Le 04/04/25 à 7:00 Lecture 4 min.

Le triage des images basé sur l'incertitude pourrait représenter un usage intéressant de l'IA, note la chercheuse Natalia Alves. « Pour une IA renvoyant un score de probabilité de cancer, les prédictions à faible incertitude pourraient être revues avec peu de vigilance voire automatiquement, détaille-t-elle, tandis que les prédictions ayant une incertitude élevée pourraient être envoyées à un expert pour une lecture à haute vigilance. » © Capture d'écran Natalia Alves | 2024 Radiological Society of North America

Si les progrès des IA d’aide au diagnostic semblent générer toujours plus d’espoir, ces systèmes ne rendent pas caduque la fameuse citation de William Osler (1849-1919), considéré comme un des pères de la médecine moderne : « la médecine est une science de l’incertitude et un art de la probabilité ». C’est par cette maxime que Shahriar Faghani, professeur assistant de radiologie à la Mayo Clinic de Minneapolis (États-Unis), a introduit son intervention lors d’une session dédiée à la quantification des incertitudes des IA radiologiques d’aide au diagnostic, le 4 décembre 2024, lors du RSNA 2024. En effet, il est crucial que les systèmes d’aide au diagnostic soient capables de fournir un niveau d’incertitude qui représente la validité de la probabilité de leurs prédictions, précise le radiologue.

Alerter l’utilisateur en cas de manque d’information

« En implémentant la quantification de l’incertitude dans les modèles médicaux utilisant l’apprentissage profond, les utilisateurs pourraient ê

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. Gamble C, Faghani S, Erickson BJ (2024) Applying Conformal Prediction to a Deep Learning Model for Intracranial Hemorrhage Detection to Improve Trustworthiness. Radiology : Artificial Intelligence. https://doi.org/10.1148/ryai.240032.
  2. Rouzrokh P, Mickley JP, Khosravi B, et al (2024) THA-AID : Deep Learning Tool for Total Hip Arthroplasty Automatic Implant Detection With Uncertainty and Outlier Quantification. The Journal of Arthroplasty 39 : 4 966-973. https://doi.org/10.1016/j.arth.2023.09.025.
  3. Alves N, Bosma JS, Venkadesh KV, et al (2023) Prediction Variability to Identify Reduced AI Performance in Cancer Diagnosis at MRI and CT. Radiology 308 : 3. https://doi.org/10.1148/radiol.230275.

Mots-clés

innovation intelligence artificielle logiciel

1 décembre 2024 au 5 décembre 2024

Congrès de la RSNA 2024

Congrès
McCormick Place, 2301 S King Dr, Chicago, Illinois, 60616

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

19 Mar

16:00

La réponse de perfusion à l’adénosine semble être spécifique à chaque organe, conclut une étude parue dans JNM. L’adénosine augmente la perfusion au niveau du cœur, du foie, du côlon et du duodénum, tandis que la perfusion est réduite par l’adénosine dans le cerveau, la rate, les reins, le muscle squelettique et l’os, écrivent les chercheurs.

13:25

La présentation est la clé d'une bonne compréhension des comptes rendus d'imagerie « patient-friendly », conclut une étude présentée dans JACR. Les formats « traduction complète » et « basé sur les phrases », associant des sources pour vérifier les informations sont plus efficaces qu'une simple définition des termes techniques.

7:10

Dans une étude évaluant les niveaux de référence en doses de radiation et les indicateurs de qualité d’image dans les protocoles d’imagerie thorax-abdomen en unité de soins intensifs néonatals,  des chercheurs relève que les nouveau-nés pesant entre 1000 et 1 499 g et 1 500 à 2499 g avaient des doses cutanées inférieures à celles des nouveau-nés pesant moins de 1 000 g.

7:00

18 Mar

16:54

Des chercheurs ont étudié les performances d’une méthode d’intelligence artificielle pour la segmentation automatisée du volume tumoral métabolique total (TMTV) sur des images TEP-TDM sur des patients atteints de lymphome. Il s'avère que l'IA a obtenu des résultats similaires que des experts humains. (étude)

16:50

Une étude a évalué la précision diagnostique d'un outil d'IA pour la détection des fractures de la hanche et du bassin. Il ressort que l'IA est d'une précision élevée pour les radiographies de la hanche mais moindre quand cela concerne les fractures du bassin.
✕
Docteur Imago

GRATUIT
VOIR