Intelligence artificielle

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

La majorité des études qui concluent à l’équivalence, voire à la supériorité des modèles basés sur l’apprentissage profond pour l’analyse des examens d’imagerie médicale sont truffées de biais, préviennent les auteurs d’une méta-analyse parue dans BMJ, qui incitent leurs confrères à davantage de méthode et de prudence.

icon réservé aux abonnésArticle réservé aux abonnés
Le 29/04/20 à 7:00, mise à jour hier à 14:13 Lecture 3 min.

Peu d'études qui comparent les preformances de modèles d'apprentissage profond et de médecins ont testé les algorithmes en situation réelle, constate une équipe britannique (photo d'illustration). © Carla Ferrand

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

Il vous reste 77% 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

Jérome Hoff

Rédacteur en chef adjoint BOM Presse Clichy

Voir la fiche de l’auteur

Bibliographie

  1. Nagendran M., Chen Y., Lovejoy C. A. et coll., « Artificial intelligence versus clinicians: systematic review of design, reporting standards, and claims of deep learning studies », BMJ, 25 mars 2020, vol. 368, m689. DOI : 10.1136/bmj.m689.
  2. Collins G. S., Reitsma J. B., Altman D. G. et coll., « Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (TRIPOD): the TRIPOD statement », BMJ, 2015, vol. 350, g7594. DOI : 10.1136/bmj.g7594 pmid:25569120.
  3. Wolff R. F., Moons K. G. M., Riley R. D., et coll., « PROBAST: a tool to assess the risk of bias and applicability of prediction model studies », Ann Intern Med, 2019, vol. 170, n° 51-58. DOI : 10.7326/M18-1376 pmid:30596875.
  4. Higgins JP, Altman DG, Gøtzsche PC, et al., « Cochrane Statistical Methods Group, The Cochrane Collaboration’s tool for assessing risk of bias in randomised trials », BMJ, 2011, vol. 343, d5928. DOI : 10.1136/bmj.d5928 pmid:22008217.
  5. Vollmer S., Mateen B. A., Bohner G. et coll., « Machine Learning and AI research for Patients Benefit: 20 Critical Questions on Transparency, Replicability, Ethics and Effectiveness », arXiv, 2018. arXiv:1812.10404.

Mots-clés

intelligence artificielle

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

10 Nov

16:38

L'utilisation de la TEP-TDM au 68Ga-PSMA-11 en plus de l'IRM multiparamétrique en amont du diagnostic de cancer de la prostate avancé a abouti à une modification de la prise en charge chez 34 % des patients inclus dans une étude prospective présentée dans JNM.

15:00

13:36

Dans un communiqué diffusé le 6 novembre, les organisations scientifiques et syndicales, le conseil national professionnel des médecins nucléaires, ainsi que le réseau Unicancer, demandent la suspension des baisses des forfaits techniques pour les équipements TEP. « Sous couvert de « maîtrise des dépenses », cette décision va en réalité complètement désorganiser un pilier du parcours de soins, notamment en cancérologie, cardiologie et neurologie », préviennent-ils.

7:35

Le documentaire « Ni tabac, ni cancer, le combat d'une vie » sur Marie-Pierre Revel est disponible en replay sur le site de Public Sénat.

7:00

07 Nov

15:00

✕
Docteur Imago

GRATUIT
VOIR