Éthique

Quelles stratégies pour limiter les biais des systèmes d’IA ?

Une session du RSNA 2022 s'est intéressée aux défis éthiques de l'intelligence artificielle, et notamment l'identification et la réduction des biais. La radiologue américaine Zi Zhang a présenté des stratégies pour éviter ces biais lors du développement, de l'évaluation et du déploiement clinique des systèmes.

icon réservé aux abonnésArticle réservé aux abonnés
Le 14/12/22 à 8:00, mise à jour hier à 15:10 Lecture 4 min.

« Les biais peuvent se cacher dans les données, dans les algorithmes et dans les applications cliniques. Ils reflètent souvent des déséquilibres profonds dans les structures institutionnelles et les relations sociales », relève Zi Zhang. © C. F.

Les considérations éthiques de l’intelligence artificielle (IA) en radiologie étaient l’un des sujets saillants du RSNA 2022. Le 27 novembre, une session a traité la question des biais de l’IA. « Les biais peuvent se cacher dans les données, dans les algorithmes et dans les applications cliniques », a souligné Zi Zhang, professeure assistante de radiologie à l’hôpital universitaire Jefferson, à Philadelphie.

La communauté médicale sur le qui-vive

Selon elle, ces biais reflètent souvent des déséquilibres profonds dans les structures institutionnelles et les relations sociales. Des considérations techniques et sociales doivent donc être apportées pour les identifier, les réduire et, in fine les éliminer des systèmes d’IA. Concernant cette problématique, l’intervenante cite une déclaration multisociétaire commune entre l’Europe et l’Amérique du Nord, publiée en 2019 dans la revue Radiology [1]. Le document stipule que la responsabilité ultime de l'IA incombe à ses concepteurs et à ses opéra

Il vous reste 82% 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

Carla Ferrand

Journaliste cheffe de rubrique

Voir la fiche de l’auteur

Bibliographie

  1. Raymond Geis J., Brady A. P., Carol C. et coll., « Ethics of artificial intelligence in radiology: summary of the joint european and north american multisociety statement », Radiology, novembre 2019, vol. 293, n° 2, p. 241-244. DOI : 10.1148/radiol.2019191903.
  2. Vokinger K. N., Feuerriegel S., Kesselheim A. S. et coll., « Mitigating bias in machine learning for medicine », Nature Communications Medicine, 2021, vol. 1, n° 25. DOI : 10.1038/s43856-021-00028-w.
  3. Zou J., Schiebinger L., « AI can be sexist and racist – it’s time to make it fair », Nature, juillet 2018, vol. 559, p. 324-326. DOI : 10.1038/d41586-018-05707-8.

Mots-clés

RSNA 22 intelligence artificielle

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Dans le dossier

L’intelligence artificielle en langage naturel

Voir le dossier

Le fil Docteur Imago

15 Juil

16:00

Evolucare devient le premier éditeur référencé sur les deux volets du couloir Imagerie du Ségur avec son RIS Evolucare Imaging®, après le référencement Ségur de sa DRIMbox, annonce un communiqué de la société.

15:00

13:34

La consommation énergétique en IRM est principalement liée à l’utilisation des gradients, les séquences ep2D DWI et DTI étant les plus énergivores. Le choix de séquences moins consommatrices, dans un contexte clinique approprié, peut réduire la consommation d’énergie par séquence de 20 à 49 % (étude).

7:31

Une méta-analyse de 23 études démontre que la TEP-TDM au [18F]FDG et l’IRM pelvienne présentent une sensibilité comparable pour la détection des métastases ganglionnaires latérales dans le cancer du rectum. En revanche, la TEP-TDM au [18F]FDG peut aider à exclure les faux positifs, évitant ainsi les dissections latérales des ganglions lymphatiques et la morbidité associée.

7:00

13 Juil

17:51

Des modèles d’apprentissage profond ont montré des performances diagnostiques comparables ou meilleures que celles des médecins expérimentés pour la détection du cancer du pancréas sur des examens de scanner, rapporte une étude présentée dans Radiology.
✕
Docteur Imago

GRATUIT
VOIR