Flux de travail

Le champ de vision des radiologues s’amenuise avec la fatigue

La proportion des poumons couverte par le regard des radiologues baisse de 1,3 % à 7,6 % après 100 lectures de radiographies thoraciques, selon une étude présentée dans Journal of Digital Imaging. Selon ses auteurs, la caractérisation de la fatigue des radiologues par une IA décodant leurs mouvements oculaires pourrait permettre d’optimiser le flux de travail.

icon réservé aux abonnésArticle réservé aux abonnés
Le 24/01/23 à 8:00, mise à jour aujourd'hui à 15:10 Lecture 2 min.
Reportage HPA Antony dépistage du cancer du poumon scanner

L'IA développée par Bulat Ibragimov, de l'université de Copenhague, détecte la fatigue des radiologues en percevant la diminution de la couverture des images thoraciques par leur regard (photo d'illustration). © Docteur Imago

Et si l'intelligence artificielle (IA) permettait de détecter la fatigue chez le radiologue avant même qu'il s'en aperçoive ? Pour en avoir le cœur net, Bulat Ibragimov, professeur au sein du département de sciences informatiques de l'université de Copenhague (Danemark), et ses collègues, ont analysé la proportion des poumons observée par quatre radiologues sur une station de travail munie de suivi oculaire. D’après leurs résultats, publiés le 9 janvier dans Journal of Digital Imaging, le champ de vision des radiologues diminue de 1,3 % à 7,6 % toutes les 100 radiographies thoraciques, quelles que soient les anomalies présentes sur les images [1]. Cette baisse de la couverture visuelle des images, expliquent-ils, pourrait informer les radiologues qu’il est temps de recourir à une validation extérieure.

400 radiographies thoraciques interprétées

Pour analyser les mouvements oculaires des radiologues, les auteurs de l'étude en ont recruté quatre, auxquels ils ont demandé d’interpréter 400

Il vous reste 70% 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. Pershin I., Mustafaev T., Ibragimpva D. et coll., « Changes in radiologists’ gaze patterns against lung x-rays with different abnormalities: a randomized experiment », Journal of Digital Imaging, janvier 2023. DOI : 10.1007/s10278-022-00760-2.
  2. Pershin I., Kholiavchenko M., Maksudov B. et coll., « Artificial intelligence for the analysis of workload-related changes in radiologists’ gaze patterns », IEEE Journal of Biomedical and Health Informatics, septembre 2022, vol. 26, n° 9. DOI : 10.1109/JBHI.2022.3183299.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

13 Juil

17:51

Des modèles d’apprentissage profond ont montré des performances diagnostiques comparables ou meilleures que celles des médecins expérimentés pour la détection du cancer du pancréas sur des examens de scanner, rapporte une étude présentée dans Radiology.

13:00

Trois systèmes de détection assistée par ordinateur (AI-CAO) basés sur l’IA ont démontré leur potentiel à détecter les signes précoces du cancer du sein jusqu’à 6 ans avant le diagnostic sur des examens de mammographie provenant d’une grande population de dépistage en Suède (communiqué).

8:30

Le scanner corps entier à ultra-basse dose associé à un algorithme de reconstruction par intelligence artificielle (SR-DLR) permet de réduire d'environ 70 % l'exposition aux rayonnements tout en conservant une excellente qualité d'image et des performances diagnostiques élevées pour la détection des maladies viscérales et métastatiques des tissus mous chez les patients sous surveillance du cancer, indique une étude parue dans European Journal of Radiology.
10 Juil

16:20

l'IRM mammaire préopératoire ne serait pas associée à une amélioration de la survie sans récidive ou de la survie globale chez les femmes atteintes de carcinome canalaire in situ (DCIS) (étude).

13:19

Une étude indienne suggère que l'IRM multiparamétrique permettrait de distinguer les cancers du sein luminaux des cancers du sein non luminaux à partir de marqueurs non invasifs.
Docteur Imago

GRATUIT
VOIR