Une IA de haute précision améliore l'identification de cancer pulmonaire sur une radiographie thoracique
MARDI 04 JUILLET 2023
Soyez le premier à réagirUne équipe coréenne a montré, dans une étude, que l’assistance d'un algorithme d'intelligence artificielle (IA) avec une grande précision de diagnostic pouvait améliorer les performances du radiologue dans la détection des cancers du poumon sur les radiographies pulmonaires. Ce travail, publié dans la Revue Radiology, confirme qu’un outil d’exploration ciblée est plus pertinent.
Alors que le diagnostic d'image basé sur l'IA a progressé rapidement dans le domaine médical, les facteurs affectant les déterminations diagnostiques des radiologues dans la lecture d'images assistée par l'IA restent sous-explorés.
Recherche sur la pertinence des outils d’IA de haute ou de faible précision
Des chercheurs de l'Université nationale de Séoul ont examiné comment ces facteurs pourraient influencer la détection des nodules pulmonaires malins lors de la lecture assistée par l'IA des radiographies pulmonaires. Dans cette étude rétrospective, publiée dans la Revue Radiology, 30 lecteurs, dont 20 radiologues thoraciques avec cinq à 18 ans d'expérience et 10 résidents en radiologie avec seulement deux à trois ans d'expérience, ont évalué 120 radiographies pulmonaires sans IA. Sur les 120 radiographies pulmonaires évaluées, 60 provenaient de patients atteints d'un cancer du poumon (32 hommes) et 60 de témoins (36 hommes).
Dans une deuxième session, chaque groupe a réinterprété les mêmes radiographies, assisté par une IA de haute ou de faible précision. Les lecteurs étaient aveugles au fait que deux IA différentes étaient utilisées. L'utilisation de l'IA de haute précision a amélioré les performances de détection des lecteurs dans une plus large mesure que l'IA de faible précision. L'utilisation d'une IA de haute précision a également entraîné des changements plus fréquents dans les décisions des lecteurs.
Une sensibilité et une spécificité plus élevées avec un algorithme de haute précision
« Il est possible que la taille relativement importante de l'échantillon dans cette étude ait renforcé la confiance des lecteurs lors de l’assistance de l'IA, remarque l'auteur principal de l'étude, le Pr Chang Min Park, du Département de radiologie et de l'Institut de médecine radiologique du National University College of Medicine de Séoul (Corée du Sud). Nous pensons que les humains sont plus sensibles à l'IA lorsqu'ils utilisent une IA à haute performance de diagnostic. »
Par rapport à la première session de lecture, les lecteurs assistés par l'IA à haute précision diagnostique lors de la deuxième session ont montré une sensibilité (0,63 contre 0,53) et une spécificité (0,94 contre 0,88) par lésion plus élevées. Alternativement, les lecteurs assistés par l'IA de faible précision de diagnostic lors de la deuxième session n'ont montré aucune amélioration entre les deux sessions de lecture pour aucune de ces mesures.
Une haute performance diagnostique est possible pour une exploration ciblée
« Notre étude suggère ainsi que l'IA peut aider les radiologues, mais uniquement lorsque les performances diagnostiques de l’algorithme atteignent ou dépassent celles du lecteur humain », ajoute le Pr Park. Les résultats soulignent l'importance d'utiliser une IA à haute performance diagnostique. Cependant, le Pr Park a noté que la définition d'« IA à haute performance diagnostique » peut varier en fonction de la tâche et du contexte clinique dans lequel elle sera utilisée. Par exemple, un modèle d'IA capable de détecter toutes les anomalies sur les radiographies pulmonaires peut sembler idéal. Mais en pratique, un tel modèle aurait une valeur limitée pour réduire la charge de travail dans un contexte de dépistage de masse de la tuberculose pulmonaire.
« Par conséquent, notre étude suggère qu'une utilisation cliniquement appropriée de l'IA nécessite à la fois le développement de modèles d'IA haute performance pour des tâches données et des considérations pertinentes sur le cadre clinique auquel cette IA sera appliquée », conclut le Pr Park. À l'avenir, les chercheurs souhaitent étendre leurs travaux sur la collaboration homme-IA à d'autres anomalies sur les radiographies pulmonaires et les images CT.
Bruno Benque avec RSNA