Anticipation

ChatGPT, financement de l’innovation, limites techniques… Quel(s) avenir(s) pour l’IA en radiologie ?

À l'heure de ChatGPT et des logiciels d'aide au diagnostic, quelles conséquences pourrait avoir le développement de l'IA pour les radiologues à court et moyen terme ? C'est sur cette question que le radiologue grenoblois Arnaud Attyé a disserté à l'occasion de la cinquantième édition du congrès de la SFNR, le 30 mars 2023.

icon réservé aux abonnésArticle réservé aux abonnés
Le 06/06/23 à 7:00, mise à jour hier à 15:08 Lecture 5 min.

Dans son ouvrage I.A., la plus grande mutation de l'histoire, l'ancien directeur de Google China Kai-Fu Lee classe la radiologie parmi les professions menacées par le développement de l'IA. « La sécurisation de notre métier passe par la personnalisation des soins et une sociabilité accrue », argue Arnaud Attyé. © François Mallordy | diaporama Arnaud Attyé

Pour entamer sa présentation sur « les scénarios de l'avenir de l'IA en radiologie » lors du congrès annuel de la Société française de neuroradiologie (SFNR), ce 30 mars 2023, Arnaud Attyé, radiologue au CH de Grenoble et fondateur de la start-up médicale GeodAIsics, a montré « la slide qu'utilisent les entreprises d'IA quand elles essaient de vendre leurs logiciels ». « En 10 ans, le nombre d’images en coupes par patient a été multiplié par 5. Les radiologues interprètent en moyenne une image toutes les 3 secondes, 46 % d'entre eux présentent des signes de burnout, et on estime à 40 millions par an le nombre d’erreurs diagnostiques en imagerie médicale, soit 3 à 5 % des examens », récite-t-il.

« Une IA entraînée peut reconnaître l’origine ethnique d'un patient »

Un peu vite présentée par des acteurs de la tech en sauveuse des radiologues, l'IA présente toutefois de sérieux inconvénients, pointe Arnaud Attyé. « À l'heure actuelle, les meilleurs informaticiens travaillant sur les réseaux

Il vous reste 86% 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. Gichoya J. W., Banerjee I., Bhimireddy A. R. et coll., « AI recognition of patient race in medical imaging: a modelling study », The Lancet Digital Health, juin 2022, vol. 4, n° 6, p. e406-e414. DOI : 10.1016/S2589-7500(22)00063-2.
  2. Hirano H., Koga K. & Takemoto K., « Vulnerability of deep neural networks for detecting COVID-19 cases from chest X-ray images to universal adversarial attacks », Plos One, epub 17 décembre 2020. DOI : 10.1371/journal.pone.0243963.

Mots-clés

intelligence artificielle SFNR

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Dans le dossier

L’intelligence artificielle en langage naturel

Voir le dossier

Sommaire

Le fil Docteur Imago

12 Juin

15:00

7:30

Une étude montre que la TEP-IRM ciblant la protéine d'activation des fibroblastes (FAP) détecte davantage de lésions suspectes d’endométriose que l’IRM conventionnelle, soutenant son intérêt comme outil complémentaire pour l’évaluation préopératoire.

7:00

11 Juin

16:00

L’ASNR a été informée d’une erreur de radiothérapie, classée au niveau 2 de l’échelle ASN-SFRO, survenue en mars 2026 au CHU de Saint-Étienne (42). Une dose de 9 Gy destinée à une vertèbre atteinte d’une métastase a été administrée par erreur à la vertèbre voisine saine en raison d’un mauvais positionnement du patient.

13:00

Des modèles d’intelligence artificielle évalués pour la classification de la malignité des nodules pulmonaires au scanner thoracique ont montré une sensibilité élevée (88 %) mais une spécificité modérée (75 %), soutenant un rôle potentiel dans les stratégies d’exclusion d'un cancer pulmonaire étude).

9:30

Selon une étude publiée dans The Journal of Nuclear Medicine, un nouveau système de TEP-TDM à champ de vision à long axe (LAFOV), utilisant des détecteurs de 30 mm au germanate de bismuth (BGO) avec des photomultiplicateurs au silicium offre une qualité d’image supérieure à la TEP-TDM à champ de vision court-axial (SAFOV) malgré des réductions marquées du temps d’acquisition, avec des caractéristiques de bruit comparables sur plusieurs radiopharmaceutiques.
✕
Docteur Imago

GRATUIT
VOIR