Biais d’automatisation 

Les erreurs de l’IA retentissent sur les performances des radiologues en mammographie

Une suggestion incorrecte fournie par un système d’aide à la décision basé sur l’intelligence artificielle pourrait altérer de façon significative la précision des radiologues lors de la lecture des mammographies, notamment des moins expérimentés, selon une étude publiée dans Radiology.

icon réservé aux abonnésArticle réservé aux abonnés
Le 26/06/23 à 7:00, mise à jour aujourd'hui à 15:09 Lecture 3 min.

Le résultats des tests montrent que les radiologues obtenaient des résultats significativement plus mauvais quand il s’agissait d’évaluer des examens préalablement classés dans la mauvaise catégorie BI-RADS par les algorithmes (photo d'illustration). © Carla Ferrand

Connaissez-vous le biais d’automatisation ? Identifié par des chercheurs en psychologie sociale, il s’agit de la propension de l’être humain à favoriser les suggestions d’un système automatique de prise de décision, en ignorant les informations contradictoires issues d’une autre source, même si elles sont correctes [1]. Alors que l’intelligence artificielle se développe en imagerie médicale, les préoccupations se font jour concernant les effets de ce biais sur le travail des radiologues. Une équipe de chercheurs allemands et hollandais s’est ainsi intéressée à l’influence des systèmes basés sur l’IA d’aide à l’interprétation des examens de mammographie. Elle a publié ses résultats au mois de mai dans la revue Radiology [2].

27 radiologues et 50 examens

Pour cette expérimentation prospective, les chercheurs ont demandé à 27 radiologues d’interpréter 50 examens de mammographie et de leur attribuer un score BI-RADS, avec l’assistance d’un système d’intelligence artificielle. Les mammographi

Il vous reste 77% 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

  1. Cummings M. L., « Automation bias in intelligent time critical decision support systems » in Decision Making in Aviation, Juillet 2017, p. 289-294. DOI : 10.4324/9781315095080-17
  2. Dratsch T., Chen X., Mehrizi M. R. et coll., « Automation bias in mammography: the impact of artificial intelligence BI-RADS suggestions on reader performance », Radiology, mai 2023, vol. 307, n° 4 : e222176. DOI : 10.1148/radiol.222176.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

07 Août

16:00

Pour la détection du cancer du sein, les performances diagnostiques des protocoles d'IRM abrégée par rapport à l'IRM standard varient selon le protocole et le contexte clinique. La technique FAST conserve une sensibilité élevée, tandis que la combinaison FAST + ultrafast + T2W offre une spécificité supérieure dans un contexte diagnostique (étude).

14:30

72 % des patientes préfèreraient l'angiomammographie à l'IRM mammaire lorsque les performances diagnostiques sont comparables. Cette préférence est liée à une sensation de claustrophobie moindre, à une durée d'examen plus courte et à un niveau d'anxiété plus faible (étude).

7:10

La Société nord-américaine de radiologie (RSNA) annonce le lancement de son challenge IA pour l'imagerie du genou. Les modèles développés seront évalués sur leur capacité à détecter et à classer avec précision les anomalies du genou visibles à l'IRM. Les gagnants seront annoncés au prochain congrès de la RSNA qui se tiendra du 29 novembre au 3 décembre.
06 Août

16:00

L'arrêté du 4 août 2026 fixant le nombre d'étudiants de troisième cycle des études de médecine susceptibles d'être affectés, par spécialité et par subdivision territoriale au titre de l'année universitaire 2026-2027 a été publié au Journal Officiel. Pour la radiologie, le nombre d'internes est fixé à 266, et pour la médecine nucléaire à 44.

13:44

Des grands modèles de langage (LLM) seraient capables de générer, à partir des notes cliniques, des indications pertinentes en radiologie qui seraient plus complètes et plus factuelles que les indications émises par des cliniciens (étude).
Docteur Imago

GRATUIT
VOIR