Bonnes pratiques 

L’IA engendre des biais algorithmiques 

L’intelligence artificielle démontre son potentiel à transformer le domaine de la radiologie, cependant une étude américaine révèle que les biais algorithmiques continuent de pénaliser certains groupes de patients, notamment les populations sous-représentées. Les auteurs recommandent des orientations pour garantir des soins plus justes.

icon réservé aux abonnésArticle réservé aux abonnés
Aujourd'hui à 7:00 Lecture 3 min.

Diagrammes de (A) biais et (B) évaluation de biais (A) Le biais algorithmique, ou biais de l’intelligence artificielle (IA), en radiologie a été démontré pour de multiples cas d’utilisation. (B) L’évaluation du biais de l’IA en radiologie présente plusieurs pièges potentiels liés aux ensembles de données, aux définitions démographiques et aux évaluations statistiques. © Yi PH, Bachina P, Bharti B, et al

Alors que les outils d’IA sont de plus en plus utilisés en radiologie, avec des applications allant du diagnostic automatisé de maladies complexes, au triage des urgences, et à l’extraction automatisée d’informations sur les résultats des patients à partir de rapports en texte libre, une étude américaine publiée dans la revue Radiology [1] constate néanmoins une persistance des iniquités dans le diagnostic et les soins.

L’IA défavorise certains groupes

Selon les chercheurs, les modèles d’IA peuvent présenter des biais qui défavorisent certains groupes de patients, notamment ceux issus de populations historiquement sous-représentées. Pourtant malgré une meilleure prise de conscience de ces iniquités, l’évaluation des biais algorithmiques, ou biais de l’IA, reste difficile, indique l’étude.

Ensembles de données incomplets

Les auteurs américains identifient trois facteurs contribuant à ces biais parmi lesquels des ensembles de données d’imagerie médicale incomplets comportant de manière limit

Il vous reste 79% 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

Solenn Duplessy

Voir la fiche de l’auteur

Bibliographie

  1. Yi PH, Bachina P, Bharti B, et al (2025) Pitfalls and Best Practices in Evaluation of AI Algorithmic Biases in Radiology. Radiology 315:e241674. https://doi.org/10.1148/radiol.241674

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

08 Août

7:13

La conférence internationale de l’International Pediatric Stroke Organization (IPSO2026), pour la prise en charge des AVC pédiatriques se tiendra du 27 au 29 mai prochain à Paris, sous le thème « Inspiring Innovation, Transforming Care and Improving Outcomes in Pediatric Stroke »,
07 Août

15:00

L’atlas de datation des fractures a permis d’améliorer considérablement les performances des radiologues pour la datation des fractures de la clavicule, de l’humérus et du fémur du nourrisson, et peut ainsi servir de substituts pour dater les fractures des os longs couramment rencontrées dans la maltraitance infantile, (étude).

7:00

Une collaboration internationale de sociétés de radiologie thoracique a élaboré des recommandations pour harmoniser l’évaluation des anomalies pulmonaires résiduelles post-COVID-19. Elle préconise un scanner thoracique à faible dose chez les patients présentant des symptômes respiratoires persistants ou progressifs trois mois après l’infection, et recommande l’usage du glossaire de la Fleischner Society. Le terme « anomalie pulmonaire résiduelle post-COVID-19 » doit remplacer « anomalie pulmonaire interstitielle », pour décrire les anomalies pulmonaires au scanner après une pneumonie COVID-19.
06 Août

15:00

Une étude multicentrique, publiée par Academic Radiology, a évalué l’apport de l’intelligence artificielle (IA) dans la détection du cancer de la prostate sur IRM. L’assistance par IA a significativement amélioré la sensibilité des radiologues non experts (de 67,3 % à 85,5 %) sans compromettre la spécificité, tandis que l’IA seule a également montré une performance diagnostique élevée. Ces résultats suggèrent que l’IA peut renforcer l’efficacité du diagnostic des radiologues.
Docteur Imago

GRATUIT
VOIR