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

26 Juin

17:07

Le dépistage du cancer du poumon par scanner thoracique à faible dose est associé à une morbidité liée à l’examen très faible, indique un article du JACR. Certains facteurs sociodémographiques, notamment le statut marital, l’emploi et la couverture d’assurance, ainsi que l’appartenance à des populations défavorisées, peuvent augmenter la charge du dépistage et diminuer l'adhésion pour les populations cibles (étude).

15:00

12:59

Dans une étude évaluant des examens de scanner et TEP-TDM, trois logiciels d’IA commerciaux ont montré des performances comparables pour la détection des nodules pulmonaires cliniquement pertinents, malgré des différences importantes dans le nombre total de détections et de faux positifs.

7:44

Les réactions croisées d'hypersensibilité entre les produits de contraste iodés non ioniques dépendent principalement de la structure de leurs chaînes latérales, avec un risque particulièrement élevé au sein du groupe comprenant l’iohexol, l’iomeprol, l’ioversol et l’iodixanol, selon une étude présentée dans EJR. « Choisir une alternative issue d’un autre groupe structurel semble être une stratégie efficace pour atténuer la récidive dans des scénarios à haut risque », estiment les auteurs.

7:00

25 Juin

16:10

Chez des hommes à haut risque de cancer de la prostate mais dont l'IRM est non suspecte ou équivoque, le PET-CT au [68Ga]Ga-PSMA-11 a permis de détecter les cancers cliniquement significatifs avec une efficacité comparable à celle de la biopsie systématique, indique une étude publiée dans The Lancet Oncology.
✕
Docteur Imago

GRATUIT
VOIR