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.

Mots-clés

erreurs RSNA 23

26 novembre 2023 au 30 novembre 2023

Congrès de la Société nord-américaine de radiologie 2023

Congrès
McCormick Place, 2301 S King Dr, Chicago, Illinois, 60616

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

15 Juil

16:00

Un « potentiel prometteur » des modèles de langages dans les classifications radiologiques. Selon une étude parue le 7 juillet, ces modèles ont montré une justesse dans la classification générale des fractures, mais des limites de classifications détaillées confirme le besoin de validation par les professionnels de santé avant une véritable utilisation.

13:54

PANCANAI, un modèle d’intelligence artificielle, montre une haute sensibilité dans la détection du cancer du pancréas sur les scanners, dans une large étude rétrospective de cohorte, publiée dans la revue Investigate Radiology.

7:30

En Australie et Nouvelle Zélande, les radiologues en imagerie oncologique préfèrent utiliser des rapports structurés sans terminologies pré-écrite. Selon une étude publiée dans JMIRO, l’utilisation des rapports plus structuré est plus importante dans les pays ou la pratique de l'imagerie oncologique est plus importante et le personnel mieux formé.

7:00

11 Juil

17:17

D'après un nouvelle étude menée par une équipe germano-américaine et publié par European Journal of Radiology, la réussite de la mise en place de l'IA nécessite une organisation solide et une équipe de surveillance aguerri pour superviser l'évolution, le déploiement et la maintenance continue des algorithmes.

16:13

Selon une étude publiée dans Academic Radiology, des QCM générés par ChatGPT comme outil de renforcement des connaissances ont obtenu des taux de réussite très proche de ceux de radiologues expérimentés. Malgré une qualité jugée assez proche, une partie des étudiants ont reconnu les QCM écrits par des radiologues.
✕
Docteur Imago

GRATUIT
VOIR