Biais de l'IA

Neuro-imagerie : les IA n’ont pas (encore) le niveau pour la vie réelle

Les algorithmes de recherche utilisés pour le diagnostic de pathologies psychiatriques à partir de données de neuro-imagerie ne sont pas mûrs pour l'utilisation clinique, d'après une étude parue le 6 mars 2023 dans JAMA Network Open. En cause : un risque de biais élevé, ainsi qu'un manque de qualité des comptes rendus des IA.

icon réservé aux abonnésArticle réservé aux abonnés
Le 05/04/23 à 7:00, mise à jour hier à 15:09 Lecture 2 min.

Si l'IA fait l'objet d'un nombre croissant de publications en neuro-imagerie, elle est encore loin d'égaler le radiologue ! Parmi 555 modèles d'IA en neuro-imagerie répertoriés dans la littérature, aucun n'était perçu comme applicable en clinique, d'après une revue systématique publiée en mars dans JAMA Network Open (image d'illustration). © Stable Diffusion

À l'heure où l'intelligence artificielle (IA) se développe toujours plus en radiologie, évaluer son efficacité clinique potentielle paraît nécessaire pour faire le lien entre recherche et utilisation en vie réelle. Dans une revue systématique publiée le 6 mars dans JAMA Network Open [1], une équipe internationale de chercheurs s'est attelée à la tâche en neuro-imagerie. Surprise : sur les 555 modèles d'IA basés sur des données de neuro-imagerie analysés, 83,1 % présentent un risque de biais global élevé. Pire, aucun n'est perçu par les auteurs comme souhaitable pour une utilisation clinique !

555 IA de diagnostic psychiatrique évaluées

Pour arriver à cette conclusion, les chercheurs ont établi une liste de 517 articles parus entre 1990 et 2022 concernant le développement ou la validation de modèles d'IA basés sur des données de neuro-imagerie. Ces publications évoquaient en tout 555 modèles d'IA diagnostiques, dont près des trois quarts se basaient sur des données d'imagerie médicale (IR

Il vous reste 69% 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. Chen Z., Liu X., Yang Q. et coll., « Evaluation of risk of bias in neuroimaging-based artificial intelligence models for psychiatric diagnosis: A systematic review », JAMA Network Open, 6 mars 2023. DOI : 10.1001/jamanetworkopen.2023.1671.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

15 Juil

16:00

Evolucare devient le premier éditeur référencé sur les deux volets du couloir Imagerie du Ségur avec son RIS Evolucare Imaging®, après le référencement Ségur de sa DRIMbox, annonce un communiqué de la société.

13:34

La consommation énergétique en IRM est principalement liée à l’utilisation des gradients, les séquences ep2D DWI et DTI étant les plus énergivores. Le choix de séquences moins consommatrices, dans un contexte clinique approprié, peut réduire la consommation d’énergie par séquence de 20 à 49 % (étude).

7:31

Une méta-analyse de 23 études démontre que la TEP-TDM au [18F]FDG et l’IRM pelvienne présentent une sensibilité comparable pour la détection des métastases ganglionnaires latérales dans le cancer du rectum. En revanche, la TEP-TDM au [18F]FDG peut aider à exclure les faux positifs, évitant ainsi les dissections latérales des ganglions lymphatiques et la morbidité associée.
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.
Docteur Imago

GRATUIT
VOIR