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 15:08 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

23 Oct

16:18

Le score de Kaiser en IRM mammaire présente une excellente précision diagnostique pour distinguer les lésions bénignes des lésions malignes chez les patientes présentant des anomalies BI-RADS 0 ou 4 en imagerie conventionnelle (étude).

13:16

Chez les patients obèses, le scanner à comptage photonique (PCCT) offre une meilleure qualité d’image que le scanner conventionnel (EID CT), avec un meilleur contraste et un rapport signal/bruit supérieur. Il permet également de réduire significativement la dose d’irradiation, en maintenant une bonne qualité diagnostique (étude).

7:45

Une étude a comparé un système d’intelligence artificielle aux critères PI-RADS pour la détection du cancer de la prostate cliniquement significatif en IRM, démontrant une sensibilité non inférieure à l’échelle du patient, mais inférieure à l’échelle lésionnelle. L’IA pourrait compléter PI-RADS pour optimiser le triage des biopsies, notamment des lésions indéterminées PI-RADS 3, concluent les chercheurs.
22 Oct

15:30

Une équipe de chercheurs a développé un système d’intelligence artificielle multimodale combinant imagerie médicale et données cliniques pour prédire la survie à 24 mois de patients atteints d’un cancer de la prostate métastatique résistant à la castration, traités par radiothérapie vectorisée ciblant le PSMA. Ce modèle affiche des performances prometteuses pour la stratification pronostique et l’aide à la décision clinique.
✕
Docteur Imago

GRATUIT
VOIR