Évaluation de l'IA

En radiographie thoracique, l’expérience et la surspécialité ne prédisent pas l’impact de l’IA

Une étude d'envergure évaluant l'effet d'une IA d'aide au diagnostic en radiographie thoracique conclut qu'il n'est pas prédictible par l'expérience du radiologue, sa surspécialité ou encore sa propension à utiliser des outils d'IA. Par contre, les prédictions fautives de l'IA influencent négativement la performance des radiologues. L'article est paru mi-mars dans Nature Medicine.

icon réservé aux abonnésArticle réservé aux abonnés
Le 22/05/24 à 15:00 Lecture 2 min.

« Nos résultats soulignent l'importance de développer des collaborations IA-clinicien personnalisées, ainsi que l'importance de la précision des modèles d'IA », affirment les auteurs de l'étude (image d'illustration). D. R.

L'aide au diagnostic par intelligence artificielle (IA) en radiographie thoracique a le vent en poupe. Mais à quel point ces logiciels apportent-ils une plus-value significative aux radiologues, et suivant quels critères prédictifs ? Alors que plusieurs études pointent vers une amélioration de la performance apportée par l'IA chez les non-radiologues et les imageurs non-spécialistes, une récente publication remet en cause l'importance de ces facteurs pour prédire l'impact de l'IA sur les praticiens [1].

140 radiologues inclus dans l'étude

Dans cette étude publiée le 19 mars 2024 dans Nature Medicine, une équipe de chercheurs américains a essayé de disséquer en détail l'impact individuel d'un logiciel d'IA d'aide au diagnostic en radiographie thoracique (modèle CheXpert, entraîné sur le jeu de données du même nom) sur 140 radiologues, surspécialisés ou non en radiographie thoracique. Le logiciel permettait d'identifier 15 pathologies en radiologie thoracique diagnostique.

Différents

Il vous reste 70% 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

Bibliographie

  1. Yu F., Moehring A., Banerjee O. et al, « Heterogeneity and predictors of the effects of AI assistance on radiologists », Nature Medicine, 19 mars 2024. DOI : 10.1038/s41591-024-02850-w.

Spécialité médicale

Pneumologie

Modalité d’imagerie

Radiologie conventionnelle

Mots-clés

intelligence artificielle radiographie thoracique Aide au diagnostic

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

10 Juin

7:18

Le score de calcification de l'aorte abdominale pourrait servir de marqueur potentiel pour identifier les patients présentant un risque de fracture de la hanche, afin de les inciter à prendre des médicaments contre l'ostéoporose (étude).

7:00

09 Juin

14:53

Le centre hospitalier William Morey de Chalon-sur-Saône (71) a déclaré un événement significatif de radioprotection après avoir constaté des dépassements de doses lors d’examens radiologiques pédiatriques, concernant 1 500 patients, dont 225 nourrissons, entre 2019 et 2025.

12:49

Une étude publiée dans Emergency Radiology indique que la reconstruction par apprentissage profond compressed sensing (CS-DLR) en IRM cérébrale 3 T réduit significativement le temps d’examen chez les patients atteints d’AVC ischémique aigu tout en améliorant ou en préservant la qualité diagnostique des images.

7:30

Une étude publiée dans phiRO montre qu'un protocole de cone beam CT (CBCT) de 6 secondes permet une localisation et une estimation volumétrique précises des tumeurs pulmonaires chez les patients présentant une respiration régulière. En revanche, pour les respirations lentes ou irrégulières, un protocole de 60 secondes offre une meilleure précision.

7:00

✕
Docteur Imago

GRATUIT
VOIR