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

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

15 Mai

17:40

Le diagnostic du cancer de sein par ordinateur assisté par IA (AI-CAD) pourrait considérablement améliorer la spécificité et réduire le temps de lecture des mammographies, sans compromettre la sensibilité, selon une étude incluant 9 radiologues dans plusieurs pays d'asie (étude).

13:30

Un algorithme de débruitage pourrait permettre d’atténuer la dégradation du bruit liée à l’indice de masse corporelle (IMC) des images de scanner cardiaque à comptage photonique, sans sacrifier l’interchangeabilité clinique (étude).

10:45

Les marqueurs de neuro-imagerie issus de l’IRM pourraient refléter la gravité du parkinsonisme et des ataxies cérébelleuses, deux sous-types d’atrophies multisystématisées (MSA) (étude).
13 Mai

13:42

L'atrophie du nerf optique avec un signal T/FLAIR augmenté et une absence de rehaussement constitue le schéma dominant de la neuropathie optique chronique en IRM, reflétant très probablement une dégénération axonale plutôt qu'une inflammation active, conclut une étude présentée dans Neuroradiology.

7:43

Il est nécessaire d'entraîner l’IA sur des populations plus diverses, et à travers différentes stratégies de dépistage pour permettre son utilisation dans les cas d’IRM prostatiques de dépistage, selon une revue de cadrage publiée dans l’European Journal of Radiology.
Docteur Imago

GRATUIT
VOIR