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

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

21 Nov

15:00

13:31

Un réseau de neurones convolutifs (CNN) a été entraîné à détecter automatiquement les zones floues en mammographie dans des régions pertinentes pour le diagnostic. Ce modèle, s'il était implémenté en pratique clinique, pourrait fournir un retour utile aux MERM afin de réaliser rapidement de meilleures prises de vue qui soient de haute qualité, selon une étude rétrospective.

7:31

Un état de l'art en français sur la biopsie pulmonaire percutanée sous scanner présentant ses indications, ses contre-indications et les bonnes pratiques dans ce domaine a été publié le 14 novembre en accès libre dans le Journal d'imagerie diagnostique et interventionnelle.

7:00

20 Nov

16:01

Les séquences ciné en IRM cardiaque reconstruites par apprentissage profond et acquises sur trois cycles cardiaques permettent de réduire le temps d’acquisition de plus de 50 % par rapport à la séquence référence sans apprentissage profond, et le tout sans différence dans la qualité d'image, selon une étude prospective menée sur 55 volontaires sains en IRM 1,5 T.

15:00

✕
Docteur Imago

GRATUIT
VOIR