Publicité

Quelques réflexions acides sur la pratique radiologique

07/02/2018
De Bruno Benque

Dans un article expliquant pourquoi l'imagerie médicale est impliquée fortement par l'avènement de l'Intelligence Artificielle, le Pr Marius Fieschi assène quelques réflexions sur la compréhension des radiologues sur les pathologies de leurs patients ou sur leur passivité devant l'identification d'une anomalie par un outil d'aide à la décision. Les radiologues apprécieront…

Dans une tribune publiée dans www.dsih.fr, le Pr Marius Fieschi, professeur honoraire de santé publique à la faculté de médecine de Marseille, créateur du laboratoire d’enseignement et de recherche sur le traitement de l’information médicale (LERTIM), explique pourquoi l'imagerie médicale est en première ligne pour les usages de l'aide à la décision faisant intervenir l'Intelligence Artificielle (IA).

Des outils matures et une culture numérique acquise au fil des années

Il pointe tout d'abord la place importante prise par l'outil informatique dans la pratique des radiologues et de la culture numérique qu'ils ont acquise au fil des années. Cela se vérifie depuis l'acquisition des images, notamment pour l'imagerie en coupe, jusqu'à la gestion des comptes rendus en passant par le post-traitement des examens. Il objective également la maturité des processus de stockage et de partage des données, qui sont ainsi disponibles et standardisées en DICOM depuis longtemps.

Le Pr Fieschi revient enfin sur les raisons qui font que les autres spécialités médicales ne sont pas aussi impliquées dans les processus d'aide à la décision. La télémedecine est susceptible, selon lui, de les engager à intégrer plus souvent dans leur pratique les outils numériques, si les infrastructures évoluent pour notamment rendre les outils interopérables et les données facilement accessibles.

La compréhension d'une pathologie ne serait pas nécessaire pour interpréter une image

Mais une partie de son propos risque de faire grincer quelques dents dans la communauté radiologique. Il y annonce en effet que "l’activité courante de radiologie, la compréhension profonde du phénomène n’est pas nécessaire pour interpréter une image, identifier une anomalie ou une structure radiologique particulière" ou que lorsqu'un outil d'aide à la décision radiologique identifie une anomalie, "on est plus dans le constat, dans l’observation, qui sera immédiatement perçue par le professionnel sans besoin d’explication".

Le Pr Fieschi a sans doute oublié que les radiologues sont susceptibles, de temps en temps, de faire des annonces à leurs patients et qu'ils ne le font pas à la légère, sans avoir au préalable étudié leur dossier et l'historique de leur maladie. Il a également mis sous silence leur participation de plus en plus active aux RCP, toutes spécialités confondues notamment. Les radiologues apprécieront…

SUR LE MÊME THÈME

IA & Données
Les bonnes pratiques pour l'évaluation de la pertinence d'un outil d'IA en imagerie
Abonné(e)

Les bonnes pratiques pour l'évaluation de la pertinence d'un outil d'IA en imagerie

Radiologues, informaticiens et chercheurs présentent, dans un article publié dans la Revue Radiology, les pièges et les meilleures pratiques pour atténuer les biais des modèles d'intelligence artificielle (IA) en imagerie médicale. Ils présentent une sorte de feuille de route pour des pratiques plus...

13/06/2025 -

IA & Données
Abonné(e)

Des LLM affinés pour aider à la relecture des comptes rendus

Selon une nouvelle étude publiée dans la Revue Radiology, un grand modèle de langage (LLM) améliorerait sensiblement la détection des erreurs dans les comptes rendus de radiologie. Les chercheurs ont utilisé des comptes rendus synthétiques et des données ciblées pour donner au LLM de la légèreté.

23/05/2025 -

IA & Données
Abonné(e)

Agir sur la vulnérabilité des grands modèles de langage en radiologie

Dans un nouvel article spécial publié dans la Revue Radiology, des chercheurs abordent les défis de cybersécurité liés aux grands modèles de langage (LLM). Ils soulignent l'importance de mettre en œuvre des mesures de sécurité pour empêcher leur utilisation malveillante dans le système de Santé et m...

21/05/2025 -

IA & Données
Abonné(e)

Une feuille de route pour atténuer les biais de l'IA

Les biais diagnostiques créés par l’IA relèvent d’un manque d’informations démographiques incluent dans les données de santé. Dans un article publié dans la Revue Radiology, des chercheurs américains décrivent l’importance d’une définition homogène décrivant les groupes démographiques. Un travail qu...

20/05/2025 -

IA & Données
Abonné(e)

Essais sur une RAG pour améliorer les grands modèles de langages en radiologie

Pour renforcer les attributs des grands modèles de langage appliqués à la radiologie, la RAG, qui code les informations dans un espace vectoriel pour affiner les tâches des LLM basées sur la connaissance, semble pertinente. Dans une étude publiée dans la Revue Radiology : Artificial intelligence, de...

05/05/2025 -

IA & Données

Le lexique radiologique standardisé RadLex fête ses vingt ans

RadLex, un lexique radiologique complet développé par la Radiological Society of North America (RSNA) destiné à proposer un langage commun pour communiquer les résultats diagnostiques par les radiologues, célèbre son 20e anniversaire en 2025.

22/04/2025 -

IA & Données
Abonné(e)

La TDM ultra low dose, prochaine norme pour le suivi des jeunes immunodéprimés ?

La tomodensitométrie à ultra-faible dose débruitée par l’IA permet, en appliquant seulement 2% de la dose normale, de diagnostiquer efficacement la pneumonie chez les patients immunodéprimés.  C’est le résultat d’une étude publiée dans la Revue Radiology et qui pourrait ouvrir la voie vers de nouvel...

14/03/2025 -

LETTRE D'INFORMATION

Ne manquez aucune actualité en imagerie médicale et radiologie !

Inscrivez-vous à notre lettre d’information hebdomadaire pour recevoir les dernières actualités, agendas de congrès, et restez informé des avancées et innovations dans le domaine.