RSNA 2023
Quelles stratégies pour réduire les erreurs en radiologie ?
Au congrès annuel de la Société nord-américaine de radiologie (RSNA 2023), une session a proposé des stratégies pour comprendre et réduire les causes d'erreurs humaines en imagerie. Selon les orateurs, l'optimisation de l'environnement et du temps de travail peut modérer les effets des biais cognitifs alors qu'une IA mal réglée peut au contraire les accentuer.
Article réservé aux abonnés
Une étude montre qu'après une nuit de garde, les radiologues affichent une performance diagnostique plus faible, une augmentation de 45 % du temps de visualisation par cas, une augmentation de 60 % du nombre total de fixations du regard et une augmentation de 34 % du temps nécessaire pour détecter des fractures. © Capture d'écran | RSNA 2023
En imagerie aussi, l'erreur est (parfois) humaine. Le 28 novembre dernier, une session du RSNA 2023 a mis en lumière les facteurs humains qui entrent en jeu dans la survenue d’erreurs en radiologie. Michael Bruno, professeur de radiologie à l’université de Pennsylvanie (Pennsylvanie, États-Unis), a énuméré les différents types et causes d’erreurs et a tenu à rendre hommage à un pionnier en la matière. De fait, le radiologue américain Leo Henry Garland, ancien président de la RSNA, fut le premier à s’intéresser aux erreurs en radiologie, dans les années 1940 : « Cela lui a coûté une partie de sa popularité, car, à l’époque, personne ne voulait reconnaître qu’on faisait des erreurs. Il fut le premier à donner une estimation du taux d’erreurs en radiologie : 3 % à 4 % au minimum. »
Il vous reste 77% de l’article à lire
Docteur Imago réserve cet article à ses abonnés
Vous avez déjà un compte ? Se connecter
- 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
S’abonner à Docteur Imago
23 €
par mois
Auteurs
Bibliographie
- Bernstein, M. H., Atalay, M. K., Dibble, E. H., et coll., « Can incorrect artificial intelligence (AI) results impact radiologists, and if so, what can we do about it? A multi-reader pilot study of lung cancer detection with chest radiography », European Radiology, 2 juin 2023. DOI : 10.1007/s00330-023-09747-1.
- Hanna, T. N., Zygmont, M. E., Peterson, R., et coll., « The Effects of Fatigue From Overnight Shifts on Radiology Search Patterns and Diagnostic Performance », Journal of the American College of Radiology, 21 janvier 2018. DOI : 10.1016/j.jacr.2017.12.019.
- Hanna, T. N., Lamoureux, C., Krupinski, E. A., et coll., « Effect of Shift, Schedule, and Volume on Interpretive Accuracy: A Retrospective Analysis of 2.9 Million Radiologic Examinations », Radiology, 20 novembre 2017. DOI : 10.1148/radiol.2017170555.
Sur le même thème
Pratiques professionnelles
Conseils et précautions pour éviter les erreurs médicales
Publié le 31/05/2019
Congrès européen de radiologie
Éviter les erreurs en radiologie d’urgence
Publié le 04/04/2017
Système visuel et cognitif
Perception des images : le ressenti du radiologue et les limites de l’œil humain
Publié le 29/11/2018
Discussion
Aucun commentaire
Commenter cet article