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

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