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

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

12 Jan

7:30

Les marqueurs radiomiques hypothalamiques dérivés de l'IRM pondérée T1 et extraits associés à des caractéristiques cliniques offrent une approche d'exploration prometteuse pour prédire l'apnée obstructive du sommeil. Étude.

7:00

09 Jan

16:11

Une étude publiée dans BMC Urology a évalué la capacité de plusieurs grands modèles de langage à classer des comptes rendus d’IRM de la prostate selon le système PI-RADS v2.1. Le modèle GPT-o1 montre la meilleure concordance avec les radiologues, mais tous les modèles présentent des limites pour les lésions PI-RADS 3.

15:00

13:08

Chez les patients atteints d'occlusion aiguë des grands vaisseaux (LVO) de l’ACM et de sténose de l’artère intracrânienne sous-jacente traitée par stent de secours, l’administration préalable d’une thrombolyse intraveineuse n’est pas associée à une augmentation du risque d’hémorragie intracrânienne symptomatique ni de la mortalité à 90 jours (étude).

7:30

Un modèle de classification ternaire radiologique a obtenu des performances diagnostiques « excellentes » pour différencier les lésions pulmonaires sur des images de scanner, selon des résultats publiés dans Radiology.
✕
Docteur Imago

GRATUIT
VOIR