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 Fév

13:40

Selon une étude publiée dans Radiology, un algorithme d’apprentissage profond disponible dans le commerce peut permettre des examens IRM de l’épaule de bonne qualité en sept minutes.

7:37

Le parlement a adopté définitivement le budget 2025 de la Sécurité sociale ce 17 février. Il prévoit une hausse des dépenses d’Assurance maladie de 3,4 %, pour atteindre un montant de 265 milliards d’euros.

7:00

20 Fév

16:01

L’imagerie des paramètres d’atténuation par ultrasons peut être utilisée pour le dépistage clinique afin d’évaluer la prévalence de la MASLD chez les patients en surpoids ou obèses et de suivre de manière dynamique la progression de la maladie, conclut une étude publiée dans Clinical radiology.

15:00

13:31

Le modèle de langage appelé Axpert démontre un potentiel de marquage automatique de l’entérocolite nécrosante sur les comptes-rendus de radiographie abdominale infantile. Cette méthode de marquage peut ainsi servir de cadre pour d’autres modalités d’imagerie et maladies chez les enfants, et les maladies rares chez l’adulte, suggère une étude publiée dans JAMIA Open.
✕
Docteur Imago

GRATUIT
VOIR