intelligence artificielle

Un outil d’IA démontre une sensibilité de 99 % pour identifier les radiographies thoraciques anormales

Un outil d’IA automatisé disponible dans le commerce a atteint une sensibilité de 99,1 % dans l’identification des radiographies thoraciques anormales. Selon une étude, cette performance peut permettre de réduire la charge de travail des radiologues.

icon réservé aux abonnésArticle réservé aux abonnés
Le 30/03/23 à 13:30, mise à jour aujourd'hui à 15:10 Lecture 2 min.

Les comptes rendus des radiologues avaient une sensibilité plus faible que l’outil d’IA pour les radiographies thoraciques anormales, soulignent les auteurs. L'IA n'a en effet donné qu'un seul faux négatif. © Plesner L. L. et coll. | RSNA

Dans un contexte de pénurie mondiale croissante de radiologues, des solutions d’intelligence artificielle permettant d'automatiser la lecture des radiographies thoraciques promettent d’alléger la charge de travail des professionnels de santé. Une étude présentée dans la revue Radiology a évalué un de ces outils disponibles dans le commerce, qui a montré une sensibilité supérieure à celle des radiologues pour identifier les radiographies thoraciques anormales [1].

Une étude multicentrique incluant 1 529 patients

Cette étude rétrospective multicentrique a été réalisée dans quatre hôpitaux au Danemark. 1 529 patients adultes ayant passé une radiographie thoracique postéroantérieure dans les services d'urgence, ambulatoires, ou à l'hôpital, ont été inclus.

L’outil d’IA Oxipit évalué

Trois radiologues ont passé ces examens en revue et les ont étiquetés pour établir un standard de référence basé sur trois catégories : « critique », « autres remarques », ou « normale » (aucune anomalie). L’outil

Il vous reste 72% 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

Solenn Duplessy

Voir la fiche de l’auteur

Bibliographie

  1. Plesner L. L., Müller F. C., Nybing J. D. et coll., « Autonomous chest radiograph reporting using AI: estimation of clinical impact », Radiology, epub 7 mars 2023. DOI : 10.1148/radiol.222268

Spécialité médicale

Pneumologie

Modalité d’imagerie

Radiologie conventionnelle

Mots-clés

intelligence artificielle radiographie thoracique

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

07 Août

16:00

Pour la détection du cancer du sein, les performances diagnostiques des protocoles d'IRM abrégée par rapport à l'IRM standard varient selon le protocole et le contexte clinique. La technique FAST conserve une sensibilité élevée, tandis que la combinaison FAST + ultrafast + T2W offre une spécificité supérieure dans un contexte diagnostique (étude).

14:30

72 % des patientes préfèreraient l'angiomammographie à l'IRM mammaire lorsque les performances diagnostiques sont comparables. Cette préférence est liée à une sensation de claustrophobie moindre, à une durée d'examen plus courte et à un niveau d'anxiété plus faible (étude).

7:10

La Société nord-américaine de radiologie (RSNA) annonce le lancement de son challenge IA pour l'imagerie du genou. Les modèles développés seront évalués sur leur capacité à détecter et à classer avec précision les anomalies du genou visibles à l'IRM. Les gagnants seront annoncés au prochain congrès de la RSNA qui se tiendra du 29 novembre au 3 décembre.

7:00

06 Août

16:00

L'arrêté du 4 août 2026 fixant le nombre d'étudiants de troisième cycle des études de médecine susceptibles d'être affectés, par spécialité et par subdivision territoriale au titre de l'année universitaire 2026-2027 a été publié au Journal Officiel. Pour la radiologie, le nombre d'internes est fixé à 266, et pour la médecine nucléaire à 44.

13:44

Des grands modèles de langage (LLM) seraient capables de générer, à partir des notes cliniques, des indications pertinentes en radiologie qui seraient plus complètes et plus factuelles que les indications émises par des cliniciens (étude).
✕
Docteur Imago

GRATUIT
VOIR