Évaluation de l'IA

Un nouveau cadre d’évaluation proposé pour juger de la valeur ajoutée d’une IA en radiologie

icon réservé aux abonnésArticle réservé aux abonnés
Le 11/03/24 à 15:00, mise à jour le 11/03/24 à 15:03

Basé sur une évaluation en sept niveaux, le nouveau cadre d'évaluation RADAR s'inspire du modèle hiérarchique de Fryback et Thornsbury d'évaluation de l'efficacité des examens d'imagerie diagnostique. © Boverhof et al, Insights into Imaging | CC BY 4.0 DEED

À l'heure de la démocratisation de l'intelligence artificielle (IA) en médecine, l'évaluation de la valeur ajoutée apportée à la radiologie par ces logiciels paraît critique pour permettre leur adoption locale en clinique par les praticiens. Dans cette optique, une équipe de sept médecins néerlandais et anglais, dont trois radiologues, a publié le 5 février 2024 une déclaration décrivant un nouveau cadre d'évaluation de l'IA intitulé Radiology AI deployment and assessment rubric (RADAR) [1].

Cinq niveaux d'évaluation clinique, et deux niveaux « au-delà »

Basé sur une évaluation en sept niveaux, le nouveau cadre d'évaluation RADAR s'inspire du modèle hiérarchique de Fryback et Thornsbury d'évaluation de l'efficacité des examens d'imagerie diagnostique [2]. Le système RADAR est organisé en sept niveaux : cinq pour l'évaluation de la valeur clinique de l'IA, et deux pour l'évaluation « au-delà de la valeur clinique » – c'est-à-dire l'évaluation socio-économique de l'IA et l'évaluation d

Il vous reste 50% 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. Boverhof B.-J., Redekop W. K., Bos D. et al, « Radiology AI Deployment and Assessment Rubric (RADAR) to bring value-based AI into radiological practice », Insights into Imaging, 5 février 2024. DOI : 10.1186/s13244-023-01599-z.
  2. Fryback D. G., Thornbury J. R., « The Efficacy of Diagnostic Imaging », Medical Decision Making, juin 1991. DOI : 10.1177/0272989X9101100203.
  3. Guenoun D., Zins M., Champsaur P. et al, « French community grid for the evaluation of radiological artificial intelligence solutions (DRIM France Artificial Intelligence Initiative) », Diagnostic and Interventional Imaging, 23 septembre 2023. DOI : 10.1016/j.diii.2023.09.002.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

03 Fév

13:55

La mammographie de dépistage assistée par IA donnerait des résultats systématiquement favorables par rapport à la double lecture standard, avec une sensibilité plus élevée et une spécificité identique, tout en réduisant la charge de travail liée à la lecture des images (étude).

7:51

Un système d'IA aurait considérablement amélioré les performances des radiologues dans la détection des nodules pulmonaires, avec des avantages constants pour tous les types de nodules, tous les contextes de dépistage et tous les niveaux d'expérience (étude).

7:00

02 Fév

16:24

Une étude publiée dans JVIR a comparé par questionnaire le niveau de burnout, de stress ressenti et de satisfaction professionnelle des équipes de radiologie interventionnelle et de cardiologie d'un même établissement en Turquie. Les médecins de RI ont rapporté davantage de burnout tandis que les équipes de cardiologie se déclaraient moins satisfaites de leur travail. « Ces données mettent en lumière le besoin de stratégies ciblées adaptées aux besoins spécifiques de chaque groupe », concluent les chercheurs.

15:00

14:19

Le groupe RESONANCE Imagerie, qui revendique 120 radiologues associés en Île-de-France, annonce avoir acquis le groupe Centres d'imagerie médicale de l'Est parisien (CIMEP), qui regroupe 12 centres et 23 radiologues.
✕
Docteur Imago

GRATUIT
VOIR