Nouvelles technologies

Les études en intelligence artificielle n’emploient pas les bonnes méthodes de validation pour un usage clinique

94 % des études sur l’intelligence artificielle en imagerie diagnostique ne sont pas conçues pour valider correctement leurs résultats pour une utilisation en situation clinique, selon une méta-anayse coréenne.

icon réservé aux abonnésArticle réservé aux abonnés
Le 03/05/19 à 15:00, mise à jour aujourd'hui à 15:13 Lecture 1 min.

La plupart des algorithmes d’intelligence artificielle en imagerie diagnostique ne seraient pas validés de façon correcte pour une utilisation en clinique, selon une méta-analyse coréenne décrite dans la revue Korean Journal of Radiology [1]. Sur 516 études recensées pour l’année 2018 dans les bases PubMed MEDLINE et Embase, seules 31, soit 6 % auraient en effet recours à la validation externe pour tester leurs algorithmes.

Aucune cohorte de test ne présente les critères requis

De plus, aucune n’utiliserait des données de validation collectées à la façon d’une étude de cohorte, au sein de plusieurs centres et de manière prospective. Ces trois caractéristiques de conception sont pourtant recommandées « pour une validation robuste des performances cliniques des algorithmes d’IA », écrivent Kim Dong Wook, du centre de santé et hôpital du comté de Taean-gun, et ses confrères de l’école de médecine de l’université d’Ulsan, à Séoul.

Des données difficiles à collecter

« De façon typique, les déve

Il vous reste 61% 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. Kim Dong Wook, Jang Hye Young, Kim Kyung Won et coll., « Design Characteristics of Studies Reporting the Performance of Artificial Algorithms for Diagnostic Analysis of Medical Images : Results from Recently Published Papers », Korean Journal of Radiology, mars 2009, vol. 20, n° 3, p. 405 – 410. DOI : 10.3348/kjr.2019.0025.
  2. Park S. H., Kressel H. Y., « Connecting technological innovation in artificial intelligence to real-world medical practice through rigorous clinical validation: what peer-reviewed medical journals could do », J Korean Med Sci, 2018, vol. 33, e152.
  3. Park S. H., Han K., « Methodologic guide for evaluating clinical performance and effect of artificial intelligence technology for medical diagnosis and prediction », Radiology, 2018, vol. 286, p. 800–809.
  4. England J. R., Cheng P. M., « Artificial intelligence for medical image analysis: a guide for authors and reviewers », AJR Am J Roentgenol, décembre 2018. DOI : 10.2214/AJR.18.20490. Epub anticipée.

Mots-clés

algorithmes intelligence artificielle

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

03 Avr

16:34

L’Association européenne de médecine nucléaire (EANM) et la Société de médecine nucléaire et d’imagerie moléculaire (SNMMI) ont publié des recommandations conjointes sur l’utilisation de l’imagerie cérébrale TEP tau chez les patients suspectés de maladie d’Alzheimer.

13:30

Une étude publiée dans AJR souligne que les radiologues et l’IA ont atteint une sensibilité sous-optimale pour la détection des anomalies pulmonaires interstitielles (ILA) en radiographie, bien que de haute spécificité. Les résultats ne soutiennent donc pas le dépistage radiographique de l’ILA, qu’il s’agisse d’une interprétation radiologue ou d’une IA.

7:43

La reconstruction avancée tridimensionnelle (AR) améliore significativement la précision diagnostique des fractures des membres par rapport à la radiographie conventionnelle tout en maintenant une haute qualité d’image, conclut une étude publiée dans Emergency radiology. « Son intégration dans les flux de travail des urgences pourrait réduire le besoin d’imagerie supplémentaire et accélérer la prise de décision clinique », selon les chercheurs.

7:00

02 Avr

15:00

14:09

Un essai contrôlé randomisé multicentrique a évalué si la priorisation des radiographies thoraciques par intelligence artificielle réduisait les délais de diagnostic du cancer du poumon, sans observer d’amélioration significative des délais vers le scanner, le diagnostic, l’orientation ou le traitement. Ainsi, la priorisation des examens par IA dans ce contexte n’apporte pas de bénéfice clinique mesurable, selon une étude publiée dans Nature Medicine.
✕
Docteur Imago

GRATUIT
VOIR