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

30 Juin

15:48

Les récepteurs de la somatostatine (SSRT) pourraient être une cible prometteurs chez une petite proportion de patientes atteintes d'un cancer avancé du sein ER positif, conclut une étude qui a évalué un radiopharmaceutique agoniste ([68Ga]Ga-DOTATOC) et un antagoniste ([68Ga]Ga-SSO120) de ces récepteurs.

15:00

12:48

Intégrer l'IRM cardiaque dans le modèle PREVENT de calcul des risques d'événements cardiovasculaires permet d'améliorer la prédiction de ces risques et met en lumière des différences hommes/femmes, conclut une étude publiée dans Radiology.

7:48

Les modifications visuelles et quantitatives apparaissant sur un examen de TEP au [18F]FDG d'étape réalisé après le troisième cycle d'une thérapie au [177Lu]Lu-PSMA sont associées à la survie sans progression chez des patients atteints de cancer de la prostate métastatique résistant à la castration. Étude.

7:00

29 Juin

15:48

La superbe imagerie microvasculaire (superb microvascular imaging), nouvelle technique d'échographie doppler, s'est montrée prometteuse pour évaluer la complétude et les résultats cliniques d'une ablation par micro-ondes chez des patients atteints d'une hyperparathyroïdie primaire, dans une étude prospective décrite dans European Journal of Radiology.
✕
Docteur Imago

GRATUIT
VOIR