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
Le 08/08/25 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

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.
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