Algorithmes

Une méta-analyse pointe les biais et les failles méthodologiques des modèles d’IA pour la Covid-19

Selon une revue de littérature britannique, les études sur l’utilisation de modèles d’intelligence artificielle pour la détection et le pronostic de la Covid-19 à partir d’examens d’imagerie souffriraient de problèmes liés à la mauvaise qualité des données, à une faible application des méthodes de développement des algorithmes, ainsi que d’une mauvaise reproductibilité et de bais de conception.

icon réservé aux abonnésArticle réservé aux abonnés
Le 27/04/21 à 16:00, mise à jour le 11/09/23 à 13:22 Lecture 3min.

« Les rapports d’études actuels souffrent d’une prévalence élevée de déficiences au niveau de la méthodologie et du compte rendu », constatent les chercheurs de Cambridge. D. R.

Sur plus de 320 algorithmes développés pour diagnostiquer la Covid-19 ou anticiper son évolution à partir d’examens de radiographie ou de scanner thoracique, aucun n’est suffisamment robuste et validé pour une utilisation en clinique, conclut une méta-analyse décrite dans la revue Nature machine intelligence [1]. Ses auteurs, un groupe de mathématiciens et de radiologues de l’université de Cambridge, au Royaume-Uni, ont passé au crible la littérature publiée sur le sujet et évalué les risques de biais ainsi que les erreurs méthodologiques les plus fréquentes.

Des études mal décrites

Les recherches sur les bases de publications ont renvoyé 2 150 articles, dont 415 présentent des résumés jugés pertinents pour la problématique intéressant cette méta-analyse. L’analyse des textes entiers a permis de retenir 320 papiers, dont 258 ont été écartés car ils ne décrivaient pas suffisamment les méthodes de développement et de validation employées par leurs auteurs, ce qui compromet la reproductibil

Il vous reste 81% 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 DÉCOUVERTE

11€

pendant 1 mois
puis 23 €/mois

S’abonner à Docteur Imago

Auteurs

Jérome Hoff

Rédacteur en chef adjoint

Voir la fiche de l’auteur

Bibliographie

  1. Roberts M., Driggs D., Thorpe M. et coll., « Common pitfalls and recommandations for using machine learning to detect and pronosticate for COVID-19 using chest radigraphs ans CT scans », Nature Machine Intelligence, mars 2021, vol. 3, p. 199 – 217. DOI : https://doi.org/10.1038/s42256-021-00307-0

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

29 Mar

7:35

Des chercheurs américains ont mis au point un nouveau modèle AsymMirai pour prédire le risque de cancer du sein à cinq ans à partir des mammographies, selon une nouvelle étude publiée dans Radiology. Ils ont ainsi confirmé l’importance clinique de l’asymétrie mammaire et mis en évidence le potentiel de la dissemblance bilatérale en tant que futur marqueur d’imagerie du risque de cancer du sein.
28 Mar

16:01

Une revue de la littérature publiée le 26 mars évoque la détection par l'intelligence artificielle de matériaux non-biologiques, et les scénarios courants de leur observation en clinique.

13:31

Une étude chinoise prospective monocentrique portant sur 33 patients montre qu'un an après l'embolisation des artères géniculées, le traitement est bien toléré et reste efficace pour contrer la gonarthrose. Des résultats qui rappellent ceux de l'essai français LipioJoint-1, parus en décembre 2023 et utilisant un autre agent d'embolisation.

7:31

Le scanner avec produit de contraste montre une sensibilité non inférieure à celle de la TEP-TDM dans le staging du cancer de l'ovaire avancé. La modalité moléculaire peut toutefois être une alternative et/ou un complément au scanner avant et/ou à la place de la laparoscopie diagnostique chez les patientes. (étude)
Docteur Imago

GRATUIT
VOIR