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

25 Sep

16:00

Une revue publiée dans Neuroradiology offre un aperçu global des bénéfices cliniques et des limites opérationnelles de la téléradiologie. Selon les chercheurs, celle-ci améliore l’accès à l’expertise, la rapidité des diagnostics et la continuité des soins. Cependant, son développement reste limité par les problèmes de connectivité, d’interopérabilité, de sécurité des données et de réglementation.

15:00

13:00

Dans une revue de la littérature, des chercheurs australiens mettent en évidence des obstacles à l’inclusion des personnes LGBTQ+ en imagerie médicale, notamment les systèmes binaires, le mégenrage et le manque de formation, et souligne la nécessité de développer et d’évaluer des pratiques, des outils et des communications plus inclusifs.

7:45

Un algorithme testé par une équipe de chercheurs danois a démontré une bonne précision pour la détection de fractures d'extrémités en situation d'urgence. Cependant, la valeur prédictive positive inférieure par rapport aux comptes rendus de radiologie et l'apparition de faux positifs soutiennent son utilisation comme aide à la décision plutôt que pour le diagnostic autonome. (Étude)

7:00

24 Sep

17:30

Dans une étude présentée dans JACR, les répétitions d'examens IRM cérébrales liées aux mouvements des patients ont généralement permis d'améliorer la qualité de l'image et la fiabilité du diagnostic, tandis que les répétitions des cholangiopancréatographies n'ont apporté qu'un bénéfice limité. « Ces résultats plaident en faveur d'un suivi au niveau des séquences afin d'orienter les stratégies ciblées de réduction des mouvements », concluent les chercheurs.
✕
Docteur Imago

GRATUIT
VOIR