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…
Le médecin-chercheur Eric J. Topol et le spécialiste en IA de Harvard, Pranav Rajpurkar plaident en faveur d'une séparation claire des rôles entre les systèmes d'IA et les radiologues dans un éditorial publié dans la Revue Radiology. Ils proposent un cadre que les radiologues doivent adapter à leurs...
28/08/2025 -
Gleamer, acteur française de l’IA médicale, a lancé en juillet dernier sa suite OncoView destinée à assister les radiologues dans la détection précoce du cancer par densitométrie (TDM).
22/08/2025 -
Gleamer a annoncé, le 10 Juillet 2025, la signature d’un partenariat stratégique avec le réseau France Imageries Territoires (FIT) pour le déploiement des solutions Gleamer Copilot® dans l’ensemble des centres d’imagerie du réseau FIT.
29/07/2025 -
Les grands modèles de langage multimodaux seraient-ils capables de réaliser des comptes rendus radiologiques ? Des résultats d’essais contradictoires troublent le ressenti sur les possibilités de GPT-4V, un modèle qui se concentre uniquement sur la précision diagnostique. Une étude publiée dans la R...
21/07/2025 -
Les méthodes d’élaboration des grands modèles de langage sont basées sur des règles qui ne traitent pas efficacement les données non standardisées. Des chercheurs britanniques présentent, dans un article publié dans la Revue European Radiology, RADEX, le nouvel outil d’extraction de données radiolog...
15/07/2025 -
Incontournables pour l’entrainement des modèles de deep learning, les annotations d’images radiologiques sont rébarbatives et chronophages pour les experts qui les créent. Des grands modèles de langage (LLM) pourraient remplacer les annotations humaines, comme l’indique un article scientifique publi...
23/06/2025 -
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 -
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.