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 DÉCOUVERTE

11€

pendant 1 mois
puis 23 €/mois

S’abonner à Docteur Imago

Auteurs

François Mallordy

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 Mai

16:30

Un modèle d’IA entraîné à l’aide de radiographies à fente debout dans un ensemble de données de patients pédiatriques a permis une prédiction plus précise de la croissance osseuse pédiatrique, utilisées dans l’imagerie par rayons X pour surveiller la scoliose, selon une étude publiée dans Radiology.

15:00

13:00

L’analyse de l'imagerie au scanner volumétrique est prometteuse pour déterminer la fonction pulmonaire pré et postopératoire chez les patients atteints d’un cancer du poumon subissant une lobectomie pulmonaire, et permet de prédire l’apparition de complications postopératoires, indique une étude.

7:30

Une étude publiée dans European Journal of Radiology démontre que le dépistage supplémentaire par IRM mammaire permet de détecter des cancers du sein précoces, qui pourraient être manqués à la mammographie, notamment chez les femmes aux seins denses.

7:00

02 Mai

16:01

Selon une étude pilote de dépistage du cancer du poumon menée dans l'Ontario (Canada) sur 4451 participants, l'adhésion annuelle était élevée (> 85 %), tandis que le taux de détection d'un cancer était de 2,4 % – parmi lesquels 79,2 % de cancers de stade précoce (étude ici).
✕
Docteur Imago

GRATUIT
VOIR