Aide à la décision

La façon dont l’IA justifie ses résultats influencerait les performances diagnostiques du médecin

Une étude a comparé les performances diagnostiques de médecins assistés par l’IA en fonction du niveau d’exactitude et de la façon dont le l’outil justifiait ses prédictions. Leur précision était supérieure quand l’outil décrivait les données qui avaient guidé son raisonnement.

icon réservé aux abonnésArticle réservé aux abonnés
Le 01/12/24 à 15:00 Lecture 3 min.

Quand le conseil de l’IA était correct, la précision diagnostique des médecins était de 92,8 % (± 0.62) avec une explication locale et de 85,3 % (± 0.85) avec une explication globale (photo d'illsutration). D. R.

La précision diagnostique d’un médecin qui utilise un outil d’intelligence artificielle pour l’interprétation des radiographies thoraciques varie en fonction de la façon dont cet outil explique son raisonnement, selon une étude présentée dans Radiology [1].

Huit radiographies avec un conseil d’une IA simulée

Ses auteurs ont rassemblé un panel de 220 médecins, dont 132 radiologues, auxquels ils ont soumis une série de huit radiographies thoraciques (vues frontale et latérale quand elle était disponible), issues de la base de données de l’hôpital Beth Israel Deaconess de Boston, Massachusetts. Chaque examen s’accompagnait d’une suggestion émise par un assistant IA simulé, dont les performances étaient comparables à celles d’un radiologue expert. Les conseils étaient corrects dans six cas sur huit, avec un niveau randomisé de confiance affichée.

Explication locale et globale

Cette IA virtuelle justifiait son conseil de selon deux modalités choisies de façon aléatoire : l’explication «

Il vous reste 75% 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

Jérome Hoff

Rédacteur en chef adjoint BOM Presse Clichy

Voir la fiche de l’auteur

Bibliographie

    Prinster D, Mahmood A, Saria S, et al (2024) Care to Explain? AI Explanation Types Differentially Impact Chest Radiograph Diagnostic Performance and Physician Trust in AI. Radiology 313:e233261. https://doi.org/10.1148/radiol.233261

Modalité d’imagerie

Radiologie conventionnelle

Mots-clés

Aide au diagnostic intelligence artificielle

1 décembre 2024 au 5 décembre 2024

Congrès de la RSNA 2024

Congrès
McCormick Place, 2301 S King Dr, Chicago, Illinois, 60616

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

14 Sep

7:30

L'entreprise étasunienne Rapid AI annonce le lancement d'EdgeIQ, un « moteur d'orchestration » capable de sélectionner les outils d'IA les plus pertinents en fonction des examens et de prioriser les cas les plus urgents.

7:00

11 Sep

17:00

Une étude prospective chez 22 patients atteints de tumeurs neuro-endocrines métastatiques montre que le ¹⁷⁷Lu-LNC1010 présente un profil de tolérance favorable, sans toxicité rénale ou hépatique sévère. Le traitement a obtenu un taux de réponse objective de 44,4 %, et un contrôle de la maladie de 94,4 %.

15:00

Après une embolisation des artères prostatiques (PAE), le taux cumulé de ré-intervention atteint 25,8 % à 5 ans, la résection transurétrale de la prostate étant la procédure de rattrapage la plus fréquente, selon une étude. Ces résultats confirment une durabilité à moyen terme satisfaisante de la PAE.

13:30

Une étude démontre que le score O-RADS IRM présente une excellente performance diagnostique pour différencier les masses annexielles bénignes et malignes. L’intégration de la courbe d’intensité semi-quantitative (SIC) améliore surtout la spécificité et la valeur prédictive positive, tout en réduisant les interventions chirurgicales inutiles.

7:00

✕
Docteur Imago

GRATUIT
VOIR