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.

icon réservé aux abonnésArticle réservé aux abonnés
Le 11/01/24 à 15:00 Lecture 3 min.

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. »

La discipline évolue, mais les erreurs persistent

Les erreurs en radiologie résultent principalement d’un défaut de perception ou d’interprétation mais peuvent aussi venir d'un mauvais raisonnement, d’un manq

Il vous reste 77% 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

Carla Ferrand

Journaliste cheffe de rubrique

Voir la fiche de l’auteur

Bibliographie

  1. 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.
  2. 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.
  3. 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.

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

13 Avr

16:39

Un modèle basé sur l'apprentissage profond capable de prédire l'étendue du noyau ischémique dans les cas de reperfusion réussie et la région combinée de noyau et de pénombre ischémique après l'échec d'une reperfusion a surpassé les méthodes cliniques actuelles basées sur le scanner de perfusion. Étude.

14:38

Chez des patients avec des anévrismes ophtalmiques à collet large non rompus de moins de 10 mm, l'embolisation par flow diverter n'a pas donné de meilleurs résultats que le coiling avec ou sans placement de stent, concluent les auteurs d'un essai randomisé.

7:27

Une étude pilote démontre la performance « favorable » de la TEP au [18F]DASA-23, qui se lie à la pyruvate kinase M2, pour le diagnostic des gliomes de haut grade. « Son absorption après le début de la thérapie pourrait être un marqueur utile pour évaluer l'efficacité du traitement et le pronostic des patients », écrivent les auteurs.
10 Avr

15:32

Un modèle d’IA à apprentissage profond montre un potentiel en tant qu’outil de dépistage opportuniste de la santé osseuse chez les enfants, selon une étude publiée dans Radiology.
Docteur Imago

GRATUIT
VOIR