Évaluation de l'IA

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

Article réservé aux abonnés

Le 11/03/24 à 15:00, mise à jour le 11/03/24 à 15:03

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

Vous avez déjà un compte ? Se connecter

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

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.
Fryback D. G., Thornbury J. R., « The Efficacy of Diagnostic Imaging », Medical Decision Making, juin 1991. DOI : 10.1177/0272989X9101100203.
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

Commenter cet article

Laisser un commentaire Annuler la réponse

You must be logged in to post a comment.

Une grille d’évaluation des IA à destination des radiologues français

Aux Journées francophones de radiologie 2023, Daphné Guenoun-Meyssignac présente la mouture finale de la grille d'évaluation des intelligences artificielles de DRIM France IA. Fraîchement publiée dans la revue Diagnostic and Interventional Imaging, cette grille d'analyse ...

Publié le 14/10/2023

Pierre Champsaur

« Les radiologues doivent être les garants d’une IA qui est un plus pour les patients »

L’organisme DRIM France IA, que préside Pierre Champsaur, entend mener une politique de leader dans le domaine de l’intelligence artificielle en imagerie médicale pour accompagner les radiologues. En collaboration avec les éditeurs de logiciels, il vient de mettre en ...

Publié le 24/11/2022

Intelligence artificielle

Évaluation des IA en radiologie : les premiers résultats de DRIM France IA

À l'occasion des JFR 2022, Pierre Champsaur a annoncé la parution ce lundi 10 octobre des premiers résultats de l'analyse par DRIM France IA des logiciels d’IA disponibles en France pour la détection des fractures et l’analyse des mammographies. Les solutions seraient ...

Publié le 10/10/2022

Le fil Docteur Imago

19 Mar

16:00

La réponse de perfusion à l’adénosine semble être spécifique à chaque organe, conclut une étude parue dans JNM. L’adénosine augmente la perfusion au niveau du cœur, du foie, du côlon et du duodénum, tandis que la perfusion est réduite par l’adénosine dans le cerveau, la rate, les reins, le muscle squelettique et l’os, écrivent les chercheurs.

13:25

La présentation est la clé d'une bonne compréhension des comptes rendus d'imagerie « patient-friendly », conclut une étude présentée dans JACR. Les formats « traduction complète » et « basé sur les phrases », associant des sources pour vérifier les informations sont plus efficaces qu'une simple définition des termes techniques.

7:10

Dans une étude évaluant les niveaux de référence en doses de radiation et les indicateurs de qualité d’image dans les protocoles d’imagerie thorax-abdomen en unité de soins intensifs néonatals, des chercheurs relève que les nouveau-nés pesant entre 1000 et 1 499 g et 1 500 à 2499 g avaient des doses cutanées inférieures à celles des nouveau-nés pesant moins de 1 000 g.

7:00

Exposition technique

Le scanner protéiforme s’expose à l’ECR

Actualité / Produits

18 Mar

16:54

Des chercheurs ont étudié les performances d’une méthode d’intelligence artificielle pour la segmentation automatisée du volume tumoral métabolique total (TMTV) sur des images TEP-TDM sur des patients atteints de lymphome. Il s'avère que l'IA a obtenu des résultats similaires que des experts humains. (étude)

16:50

Une étude a évalué la précision diagnostique d'un outil d'IA pour la détection des fractures de la hanche et du bassin. Il ressort que l'IA est d'une précision élevée pour les radiographies de la hanche mais moindre quand cela concerne les fractures du bassin.