Biais de l'IA

Neuro-imagerie : les IA n’ont pas (encore) le niveau pour la vie réelle

Les algorithmes de recherche utilisés pour le diagnostic de pathologies psychiatriques à partir de données de neuro-imagerie ne sont pas mûrs pour l'utilisation clinique, d'après une étude parue le 6 mars 2023 dans JAMA Network Open. En cause : un risque de biais élevé, ainsi qu'un manque de qualité des comptes rendus des IA.

icon réservé aux abonnésArticle réservé aux abonnés
Le 05/04/23 à 7:00, mise à jour le 11/09/23 à 13:23 Lecture 2 min.

Si l'IA fait l'objet d'un nombre croissant de publications en neuro-imagerie, elle est encore loin d'égaler le radiologue ! Parmi 555 modèles d'IA en neuro-imagerie répertoriés dans la littérature, aucun n'était perçu comme applicable en clinique, d'après une revue systématique publiée en mars dans JAMA Network Open (image d'illustration). © Stable Diffusion

À l'heure où l'intelligence artificielle (IA) se développe toujours plus en radiologie, évaluer son efficacité clinique potentielle paraît nécessaire pour faire le lien entre recherche et utilisation en vie réelle. Dans une revue systématique publiée le 6 mars dans JAMA Network Open [1], une équipe internationale de chercheurs s'est attelée à la tâche en neuro-imagerie. Surprise : sur les 555 modèles d'IA basés sur des données de neuro-imagerie analysés, 83,1 % présentent un risque de biais global élevé. Pire, aucun n'est perçu par les auteurs comme souhaitable pour une utilisation clinique !

555 IA de diagnostic psychiatrique évaluées

Pour arriver à cette conclusion, les chercheurs ont établi une liste de 517 articles parus entre 1990 et 2022 concernant le développement ou la validation de modèles d'IA basés sur des données de neuro-imagerie. Ces publications évoquaient en tout 555 modèles d'IA diagnostiques, dont près des trois quarts se basaient sur des données d'imagerie médicale (IR

Il vous reste 69% 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

Bibliographie

  1. Chen Z., Liu X., Yang Q. et coll., « Evaluation of risk of bias in neuroimaging-based artificial intelligence models for psychiatric diagnosis: A systematic review », JAMA Network Open, 6 mars 2023. DOI : 10.1001/jamanetworkopen.2023.1671.

Spécialité médicale

Neurologie Psychiatrie

Modalité d’imagerie

IRM

Mots-clés

intelligence artificielle neuro-imagerie

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

21 Oct

16:28

15:00

14:04

Des chercheurs chinois ont combiné un modèle d'apprentissage profond d'analyse d'images échographiques et un modèle de langage pour améliorer la détection et l'évaluation des tumeurs ovariennes. Il a permis d'améliorer les performances des radiologues et de hisser celles des médecins de premier recours à des niveaux experts, écrivent-ils dans Insights into Imaging.

7:30

Une revue d'études confirme la haute sensibilité de la classification PI-RADS dans sa version 2.1 pour la détection des cancers de la prostate cliniquement significatifs. Une proportion « considérable » d'entre elles présentent toutefois de forts risques de biais et des préoccupations d'applicabilité et sont associées à une baisse de la sensibilité et une hausse des taux de détection des cancers PI-RADS de catégorie 2.

7:00

20 Oct

16:02

Une méta-analyse de 13 articles constate l'absence de preuves ou des preuves contradictoires de l'intérêt d'utiliser des agents antispasmodiques pour améliorer la qualité d'image de l'IRM pelvienne.
✕
Docteur Imago

GRATUIT
VOIR