L'IA, un partenaire potentiel pour la pratique clinique des radiologues thoraciques
JEUDI 09 FéVRIER 2023
Soyez le premier à réagirDans une étude randomisée pionnière évaluant l'effet des logiciels basés sur l'intelligence artificielle (IA) dans la pratique clinique réelle, des chercheurs ont découvert que l'IA améliorait considérablement la détection des nodules pulmonaires sur les radiographies pulmonaires. Les résultats de l'étude ont été publiés dans la Revue Radiology.
Les nodules pulmonaires se forment généralement à la suite d'infections pulmonaires antérieures et peuvent rarement être un signe de cancer du poumon. L'une des méthodes de dépistage couramment utilisées pour identifier les nodules pulmonaires est la radiographie pulmonaire.
Un travail de recherche pour évaluer l'effet réel de l'IA dans la pratique clinique
Selon une nouvelle étude coréenne publiée dans la Revue Radiology, l'IA peut être un outil puissant pour aider à identifier la nature des nodules pulmonaires, en particulier lorsque les radiologues sont confrontés à un volume élevé de cas. « La détection des nodules pulmonaires, une découverte primaire du cancer du poumon, est l'une des tâches cruciales des radiographies pulmonaires, annonce le co-auteur de l'étude, le Pr Jin Mo Goo, du Département de radiologie du Seoul National University Hospital – Corée -. De nombreuses études ont suggéré que les logiciels de détection assistée par l'IA peuvent améliorer les performances des radiologues, mais ils ne sont pas largement utilisés. »
Pour évaluer l'effet réel de l'IA dans la pratique clinique, les chercheurs ont inclus 10 476 patients âgés en moyenne de 59 ans, qui avaient fait l’objet de radiographies pulmonaires dans un centre de dépistage médical entre juin 2020 et décembre 2021. « Comme notre essai a été mené avec une approche pragmatique, presque tous les participants inscrits ont été inclus, ce qui est une véritable pratique clinique", ajoute le Pr Goo.
Un taux de détection supérieur grâce à l'IA sur les radiographies pulmonaires
Les patients ont rempli un questionnaire de santé autodéclaré pour identifier leurs spécificités de base telles que l'âge, le sexe, le statut tabagique et les antécédents de cancer du poumon. Onze pour cent des patients étaient des fumeurs actuels ou anciens. Les patients ont été répartis au hasard de manière égale en deux groupes - AI ou non AI. Les radiographies du premier groupe ont été analysées par des radiologues aidés par l'IA tandis que les radiographies du second groupe ont été interprétées sans les résultats de l'IA.
Les nodules solides d'un diamètre supérieur à 8 millimètres ou les nodules non-solides avec une partie solide supérieure à 6 millimètres ont été identifiés comme pouvant donner lieu à une action, ce qui signifie que le nodule nécessitait un suivi selon les critères de dépistage du cancer du poumon. Des nodules pulmonaires ont été identifiés chez 2 % des patients. L'analyse a montré que le taux de détection des nodules pulmonaires exploitables sur les radiographies pulmonaires était plus élevé avec l'aide de l'IA (0,59 %) que sans l'aide de l'IA (0,25 %). Il n'y avait aucune différence dans les taux de faux positifs entre les groupes interprétés par l'IA et les non-IA.
Un partenaire de diagnostic qui pourrait aidser les radiologues thoraciques dans leur workflow
Alors que l'âge avancé et des antécédents de cancer du poumon ou de tuberculose étaient associés à des comptes rendus positifs, la plupart caractéristiques de santé n'avaient pas d'impact sur l'efficacité du système d'IA. Cela suggère que l'IA peut fonctionner de manière cohérente dans différentes populations, même pour celles dont les poumons sont malades ou postopératoires. « Notre étude a fourni des preuves solides que l'IA pourrait vraiment aider à interpréter la radiographie thoracique. Cela contribuera à identifier plus efficacement les maladies pulmonaires, en particulier le cancer du poumon, à un stade plus précoce », conclut le Pr Goo.
Les chercheurs prévoient de mener une étude similaire à l'aide de la tomodensitométrie thoracique, qui identifiera également les résultats cliniques et l'efficacité du flux de travail.
Bruno Benque avec RSNA