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

Auteurs

François Mallordy

Journaliste rédacteur spécialisé

Voir la fiche de l’auteur

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

05 Mar

15:43

Une étude publiée dans Academic Radiology utilisant un suivi oculaire des radiologues lors de l’interprétation de scanners hépatiques, montre que la technique du « drilling » (fixation du regard sur une zone avec défilement rapide des coupes) est associée à une meilleure sensibilité pour détecter les métastases hépatiques que le « scanning ». Une durée d’interprétation plus longue est également liée à une sensibilité plus élevée, contrairement à la vitesse de défilement des images.

15:00

13:56

Une étude parue dans Academic Radiology montre que l’IRM hépatique à 5,0 T avec une demi-dose d’acide gadoxétique offre une qualité d’image supérieure ou équivalente à l’IRM à 3,0 T tout en permettant une réduction de 25 % du temps d’acquisition et en atténuant les artefacts de mouvement.

7:33

Une méta-analyse publiée dans Emergency Radiology évaluant 5 790 radiographies montre que l’intelligence artificielle détecte les épanchements du coude avec une sensibilité de 92,7 % et une spécificité de 97,8 %, des performances comparables à celles des médecins sans différence significative entre les deux groupes.

7:00

04 Mar

16:25

Une étude publiée dans Lancet Oncology alerte que le nombre de cas de cancer du sein pourrait atteindre les 3,5 millions d'ici 2050. (Etude)  
✕
Docteur Imago

GRATUIT
VOIR