Flux de travail

Le champ de vision des radiologues s’amenuise avec la fatigue

La proportion des poumons couverte par le regard des radiologues baisse de 1,3 % à 7,6 % après 100 lectures de radiographies thoraciques, selon une étude présentée dans Journal of Digital Imaging. Selon ses auteurs, la caractérisation de la fatigue des radiologues par une IA décodant leurs mouvements oculaires pourrait permettre d’optimiser le flux de travail.

icon réservé aux abonnésArticle réservé aux abonnés
Le 24/01/23 à 8:00, mise à jour le 11/09/23 à 13:23 Lecture 2 min.
Reportage HPA Antony dépistage du cancer du poumon scanner

L'IA développée par Bulat Ibragimov, de l'université de Copenhague, détecte la fatigue des radiologues en percevant la diminution de la couverture des images thoraciques par leur regard (photo d'illustration). © Docteur Imago

Et si l'intelligence artificielle (IA) permettait de détecter la fatigue chez le radiologue avant même qu'il s'en aperçoive ? Pour en avoir le cœur net, Bulat Ibragimov, professeur au sein du département de sciences informatiques de l'université de Copenhague (Danemark), et ses collègues, ont analysé la proportion des poumons observée par quatre radiologues sur une station de travail munie de suivi oculaire. D’après leurs résultats, publiés le 9 janvier dans Journal of Digital Imaging, le champ de vision des radiologues diminue de 1,3 % à 7,6 % toutes les 100 radiographies thoraciques, quelles que soient les anomalies présentes sur les images [1]. Cette baisse de la couverture visuelle des images, expliquent-ils, pourrait informer les radiologues qu’il est temps de recourir à une validation extérieure.

400 radiographies thoraciques interprétées

Pour analyser les mouvements oculaires des radiologues, les auteurs de l'étude en ont recruté quatre, auxquels ils ont demandé d’interpréter 400

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. Pershin I., Mustafaev T., Ibragimpva D. et coll., « Changes in radiologists’ gaze patterns against lung x-rays with different abnormalities: a randomized experiment », Journal of Digital Imaging, janvier 2023. DOI : 10.1007/s10278-022-00760-2.
  2. Pershin I., Kholiavchenko M., Maksudov B. et coll., « Artificial intelligence for the analysis of workload-related changes in radiologists’ gaze patterns », IEEE Journal of Biomedical and Health Informatics, septembre 2022, vol. 26, n° 9. DOI : 10.1109/JBHI.2022.3183299.

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.
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.

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