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 aujourd'hui à 14:12 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

Journaliste rédacteur spécialisé

Voir la fiche de l’auteur

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

11 Mar

16:02

Des chercheurs ont utilisé un système d'IA pour quantifier automatiquement les calcifications artérielles mammaires à partir de mammographies de dépistage du cancer du sein pour identifier les femmes à risque cardiovasculaire. Des calcifications ont été détectées chez 16,1 % (cohorte interne) et 20,6 % (cohorte externe) des femmes et ont fourni une valeur pronostique significative (étude).

14:00

La Société européenne de radiologie (ESR) annonce le lancement de la nouvelle revue European Radiology Abdomen. Fondée en collaboration avec la Société européenne de radiologie gastro-intestinale et abdominale (ESGAR) et la Société européenne de radiologie urogénitale (ESUR), la nouvelle revue a pour rédactrice en chef la radiologue Valérie Vilgrain.

7:30

La suite d'outils d'intelligence artificielle Rayvolve AI de l'entreprise française AZmed a démontré des performances robustes et généralisables dans plusieurs applications telles que la détection des anomalies thoraciques ou le calcul de l'âge osseux, dans une étude sur plus de 250 000 examens de radiographie.
10 Mar

16:05

Un étiquetage des lésions à l'aide d'étiquettes reproductibles entre lecteurs est essentiel au développement et à la validation des algorithmes d'intelligence artificielle en médecine nucléaire, défendent les auteurs d'un article paru dans JNM, qui jugent que les pratiques en la matière ne sont pas assez rigoureuses.
Docteur Imago

GRATUIT
VOIR