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

12 Juin

7:30

Une étude montre que la TEP-IRM ciblant la protéine d'activation des fibroblastes (FAP) détecte davantage de lésions suspectes d’endométriose que l’IRM conventionnelle, soutenant son intérêt comme outil complémentaire pour l’évaluation préopératoire.

7:00

11 Juin

16:00

L’ASNR a été informée d’une erreur de radiothérapie, classée au niveau 2 de l’échelle ASN-SFRO, survenue en mars 2026 au CHU de Saint-Étienne (42). Une dose de 9 Gy destinée à une vertèbre atteinte d’une métastase a été administrée par erreur à la vertèbre voisine saine en raison d’un mauvais positionnement du patient.

13:00

Des modèles d’intelligence artificielle évalués pour la classification de la malignité des nodules pulmonaires au scanner thoracique ont montré une sensibilité élevée (88 %) mais une spécificité modérée (75 %), soutenant un rôle potentiel dans les stratégies d’exclusion d'un cancer pulmonaire étude).

9:30

Selon une étude publiée dans The Journal of Nuclear Medicine, un nouveau système de TEP-TDM à champ de vision à long axe (LAFOV), utilisant des détecteurs de 30 mm au germanate de bismuth (BGO) avec des photomultiplicateurs au silicium offre une qualité d’image supérieure à la TEP-TDM à champ de vision court-axial (SAFOV) malgré des réductions marquées du temps d’acquisition, avec des caractéristiques de bruit comparables sur plusieurs radiopharmaceutiques.

7:00

✕
Docteur Imago

GRATUIT
VOIR