Équité 2.0

Différentes pistes d’amélioration de l’équité algorithmique en médecine

Pour améliorer l'équité algorithmique en santé, une revue d’études étasunienne suggère de développer l'apprentissage fédéré, l'explicabilité des modèles d'intelligence artificielle ou encore de nouveaux jeux de données prenant davantage en compte les minorités traditionnellement sous-représentées en recherche médicale.

icon réservé aux abonnésArticle réservé aux abonnés
Le 27/09/23 à 15:00 Lecture 3 min.

L'équité algorithmique, ou algorithmic fairness, est un concept « utilisé pour définir, quantifier et réduire les inégalités de prédictions issues de l'apprentissage automatique qui peuvent causer un tort disproportionné à des individus ou à des groupes d'individus ». D R

Alors que l'usage de l'intelligence artificielle (IA) se généralise en radiologie et dans d'autres spécialités médicales, les médecins doivent s'assurer que les logiciels déployés respectent l'équité algorithmique, selon un article de mise en perspective publié par des chercheurs américains le 28 juin 2023 dans Nature Biomedical Engineering [1]. Les auteurs commencent par rappeler ce qu'ils entendent par l'équité algorithmique, ou algorithmic fairness en anglais : il s'agit d'un concept « utilisé pour définir, quantifier et réduire les inégalités de prédictions issues de l'apprentissage automatique qui peuvent causer un tort disproportionné à des individus ou à des groupes d'individus ».

Le défi de la prise en compte des données médicales sensibles

Algorithme à l'efficacité variable suivant le groupe ethnique, détermination possible de l'origine des patients... Les raisons pour lesquelles l'IA peut causer un tort en santé sont nombreuses, et s'additionnent aux autres disparités de sa

Il vous reste 80% 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

Mots-clés

intelligence artificielle éthique

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

04 Sep

13:30

Dans une étude publiée dans Radiology, le scanner à comptage photoniques (PCCT) a démontré des performances similaires à celles de l’IRM pour la caractérisation des lésions et la détection de lésions supplémentaires du sein, avec de meilleures performances pour l’évaluation des métastases ganglionnaires.

9:40

L'IA est capable de localiser le cœur et de produire automatiquement des images dynamiques de cet organe sur des examens d'IRM du fœtus, conclut une étude parue dans EJR. Ces performances répondent à un obstacle clé à l’adoption clinique de cette modalité.

7:00

03 Sep

17:30

L’IA permettrait d’automatiser la localisation du cœur fœtal sur les IRM et la reconstruction des images cardiaques dynamiques. Selon une étude, les images obtenues sont de qualité comparable à celles produites manuellement.

11:29

Des chercheurs auraient développé et validé un modèle radiomique basé sur le coefficient de diffusion apparent (ADC) pour détecter le cancer de la prostate cliniquement significatif (csPCa) chez les patients présentant des lésions PI-RADS 3. Le modèle aurait démontré son efficacité dans la cohorte d’entraînement et des performances modérées lors de la validation externe.

7:28

Une étude démontre qu’un système d’entraînement adaptatif personnalisé basé sur l’IA améliore significativement les performances des lecteurs de mammographie. Tous les participants ont atteint le seuil de performance prédéfini après deux à cinq séances de formation, chacune comprenant entre 35 et 66 cas obtenus sur 1 à 8 mois.
✕
Docteur Imago

GRATUIT
VOIR