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

intelligence artificielle logiciel innovation

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

09 Fév

16:06

Chez les participantes de l'essai canadien Tomosynthesis Mammographic Imaging Screening Trial âgées de 40 à 44 ans et de plus de 75 ans, le dépistage du cancer du sein par tomosynthèse a donné des performances plus favorables que le dépistage par mammographie. Étude.

14:02

Planmed annonce le marquage CE et la commercialisation de XFI®, son scanner cone-beam (CBCT) pour l'imagerie corps entier en charge. La certification concerne l'imagerie des extrémités, de la tête et du cou, précise un communiqué.

7:30

Un essai randomisé contrôlé sur 60 patientes atteintes d'adénomyose démontre que l'embolisation des artères utérines résulte en une résolution plus complète de la douleur pelvienne chronique et des saignements que le traitement par diénogest. Étude.

7:00

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

✕
Docteur Imago

GRATUIT
VOIR