Bonnes pratiques 

L’IA engendre des biais algorithmiques 

L’intelligence artificielle démontre son potentiel à transformer le domaine de la radiologie, cependant une étude américaine révèle que les biais algorithmiques continuent de pénaliser certains groupes de patients, notamment les populations sous-représentées. Les auteurs recommandent des orientations pour garantir des soins plus justes.

icon réservé aux abonnésArticle réservé aux abonnés
Le 08/08/25 à 7:00 Lecture 3 min.

Diagrammes de (A) biais et (B) évaluation de biais (A) Le biais algorithmique, ou biais de l’intelligence artificielle (IA), en radiologie a été démontré pour de multiples cas d’utilisation. (B) L’évaluation du biais de l’IA en radiologie présente plusieurs pièges potentiels liés aux ensembles de données, aux définitions démographiques et aux évaluations statistiques. © Yi PH, Bachina P, Bharti B, et al

Alors que les outils d’IA sont de plus en plus utilisés en radiologie, avec des applications allant du diagnostic automatisé de maladies complexes, au triage des urgences, et à l’extraction automatisée d’informations sur les résultats des patients à partir de rapports en texte libre, une étude américaine publiée dans la revue Radiology [1] constate néanmoins une persistance des iniquités dans le diagnostic et les soins.

L’IA défavorise certains groupes

Selon les chercheurs, les modèles d’IA peuvent présenter des biais qui défavorisent certains groupes de patients, notamment ceux issus de populations historiquement sous-représentées. Pourtant malgré une meilleure prise de conscience de ces iniquités, l’évaluation des biais algorithmiques, ou biais de l’IA, reste difficile, indique l’étude.

Ensembles de données incomplets

Les auteurs américains identifient trois facteurs contribuant à ces biais parmi lesquels des ensembles de données d’imagerie médicale incomplets comportant de manière limit

Il vous reste 79% 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. Yi PH, Bachina P, Bharti B, et al (2025) Pitfalls and Best Practices in Evaluation of AI Algorithmic Biases in Radiology. Radiology 315:e241674. https://doi.org/10.1148/radiol.241674

Mots-clés

intelligence artificielle algorithmes

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

06 Fév

16:08

Des chercheurs ont développé et validé un modèle de deep learning entièrement automatisé pour détecter et mesurer les masses surrénaliennes sur des scanners abdominaux injectés. Le modèle a le potentiel d’améliorer les taux de détection des lésions et de faciliter leur prise en charge précoce, indique l'étude.

15:00

13:06

Une étude publiée dans Radiology montre que le compte rendu structuré améliore l’efficacité des radiologues en réduisant le temps de rédaction et en recentrant l’attention visuelle sur l’image, par rapport au texte libre. L’ajout de l’intelligence artificielle augmente la précision diagnostique.

7:30

Une étude rétrospective montre que le score Node-RADS basé sur l’IRM offre une excellente précision diagnostique pour la détection des métastases ganglionnaires chez les patients atteints de cancer du rectum, avec une performance supérieure aux critères de taille et aux comptes rendus IRM classiques.

7:00

05 Fév

16:36

Le centre hospitalier Agen-Nérac (47) a mis en service le 26 janvier 2026 une nouvelle salle de radiologie numérisée sur son site de Nérac. D’un montant de 185 000 €, cet investissement améliore la qualité des diagnostics tout en réduisant l’exposition aux rayons, informe actu.fr.
✕
Docteur Imago

GRATUIT
VOIR