Radiographie des fractures

Détection des fractures : quelle place pour l’IA en clinique ?

À l'occasion des Journées francophones de radiologie 2023 (JFR), le vendredi 13 octobre, trois radiologues se sont relayés pour dresser un tableau synthétique des bénéfices, des limites et des implications légales de l'utilisation de l'IA dans la détection des fractures chez l'enfant et chez l'adulte.

icon réservé aux abonnésArticle réservé aux abonnés
Le 03/11/23 à 7:00, mise à jour le 10/11/23 à 12:09 Lecture 4 min.

« L'IA seule a des performances proches du junior, et le junior assisté de l'IA améliore ses performances sur les faux négatifs », selon la radiologue Kathia Chaumoitre. © François Mallordy

« Il y a un afflux croissant de radiographies aux urgences qui entraîne une hausse de la fatigue professionnelle », affirme Catherine Cyteval, PU-PH au CHU de Montpellier, en introduction de son intervention dans la session consacrée aux intelligences artificielles (IA) de détection de fractures aux Journées francophones de radiologie (JFR), le vendredi 13 octobre au palais des Congrès de Paris. « L'IA pourrait aider les internes, les juniors et les urgentistes en première ligne en améliorant la vitesse de lecture, le tri des urgences, ou encore la qualité des lectures. »

Plus de 5 secondes gagnées par radio

Sur la vitesse de lecture d'abord, les publications récentes sont encourageantes : « Un radiologue assisté de l’IA pour détecter les fractures gagne plus de 5 secondes sur chaque radio, selon une étude parue en 2021 utilisant le logiciel de Gleamer qui a progressé depuis », énonce Catherine Cyteval [1]. Toutefois, sur le tri des urgences, la littérature est encore avare en donnée

Il vous reste 82% 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

Bibliographie

  1. Guermazi A.,Tannoury C., Kompel A.J., et coll., « Improving Radiographic Fracture Recognition Performance and Efficiency Using Artificial Intelligence », Radiology, 21 décembre 2021. DOI : 10.1148/radiol.210937
  2. Anthony Jaillat, « Évaluation rétrospective des performances diagnostiques des radiologues et urgentistes comparées à une intelligence artificielle pour la détection des fractures de l’extrémité supérieure du fémur et du bassin en radiographie standard », Médecine humaine et pathologie, 2022. dumas-03818927.
  3. Kuo R. Y. L., Harrison C., Curran T-A., et coll., « Artificial Intelligence in Fracture Detection: A Systematic Review and Meta-Analysis », Radiology, 29 mars 2022. DOI : 10.1148/radiol.211785
  4. Hayashi, D., Kompel, A.J., Ventre, J. et coll., « Automated detection of acute appendicular skeletal fractures in pediatric patients using deep learning ». Skeletal Radiol, 06 mai 2022 DOI : 10.1007/s00256-022-04070-0

Spécialité médicale

Urgence

Modalité d’imagerie

Scanner Radiologie conventionnelle

Mots-clés

intelligence artificielle radiopédiatrie

13 octobre 2023 au 16 octobre 2023

Journées francophones de radiologie 2023

Congrès
Palais des congrès de Paris, 2 place de la Porte Maillot, Paris, France, 75017, Île-de-France

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

21 Nov

15:00

13:31

Un réseau de neurones convolutifs (CNN) a été entraîné à détecter automatiquement les zones floues en mammographie dans des régions pertinentes pour le diagnostic. Ce modèle, s'il était implémenté en pratique clinique, pourrait fournir un retour utile aux MERM afin de réaliser rapidement de meilleures prises de vue qui soient de haute qualité, selon une étude rétrospective.

7:31

Un état de l'art en français sur la biopsie pulmonaire percutanée sous scanner présentant ses indications, ses contre-indications et les bonnes pratiques dans ce domaine a été publié le 14 novembre en accès libre dans le Journal d'imagerie diagnostique et interventionnelle.

7:00

20 Nov

16:01

Les séquences ciné en IRM cardiaque reconstruites par apprentissage profond et acquises sur trois cycles cardiaques permettent de réduire le temps d’acquisition de plus de 50 % par rapport à la séquence référence sans apprentissage profond, et le tout sans différence dans la qualité d'image, selon une étude prospective menée sur 55 volontaires sains en IRM 1,5 T.

15:00

✕
Docteur Imago

GRATUIT
VOIR