Une méta-analyse critique les études qui comparent les performances diagnostiques des algorithmes à celles des médecins

L’affirmation a fait plusieurs fois les gros titres ces dernières semaines : les algorithmes basés sur l’apprentissage profond seraient meilleurs que les médecins pour diagnostiquer certaines pathologies sur les examens d’imagerie médicale. Est-elle vraiment fondée ? Des médecins et chercheurs britanniques ont voulu en avoir le cœur net et ont mené une méta-analyse des études parues sur le sujet. « Il ne faudrait pas que l’appétit du public et de l’industrie pour l’intelligence artificielle en imagerie médicale n’occulte la nécessité de bâtir un socle de preuves rigoureuses pour ce champ technologique encore jeune », écrivent-ils dans BMJ [1].

Des check-lists pour évaluer la qualité des études

Mtura Nagendran et ses confrères ont épluché plusieurs bases de données et bibliographie à la recherche des comptes rendus d’essais randomisés et d’études non randomisées publiées entre 2010 et l’été 2019, qui ont comparé les performances d’algorithmes d’apprentissage profond à celles d’humains fac