Radiographie pulmonaire : l'IA a des progrès à faire pour égaler le radiologue
Dans une étude danoise publiée dans la Revue Radiology et portant sur plus de 2 000 radiographies pulmonaires, les chercheurs constatent que radiologues ont surpassé l’IA pour identifier avec précision la présence et l’absence de trois maladies pulmonaires courantes. Ils affirment que les outils d’IA actuels ne peuvent pas fournir un diagnostic fiable dans des conditions cliniques réelles.
Une étude danoise publiée dans la Revue Radiology et portant sur plus de 2 000 radiographies pulmonaires, se propose de comparer les performances des radiologues et de l’intelligence artificielle (IA) pour identifier avec précision la présence ou l’absence de pathologies pulmonaires courantes.
Des outils d’évaluation clinique encore à leurs balbutiements
« La radiographie thoracique est un outil de diagnostic courant, mais une formation et une expérience importantes sont nécessaires pour interpréter correctement les examens », le Pr Louis L. Plesner, radiologue résident au sein du département de radiologie de l'hôpital Herlev et Gentofte de Copenhague (Danemark). Bien que des outils d'IA disponibles dans le commerce et approuvés par la FDA soient disponibles pour aider les radiologues, le Pr Plesner constate que l'utilisation clinique d'outils d'IA basés sur le deep learning pour le diagnostic radiologique en est encore à ses balbutiements.
« Alors que les outils d’IA sont de plus en plus approuvés pour une utilisation dans les services de radiologie, il existe un besoin non satisfait de les tester davantage dans des scénarios cliniques réels, ajoute-t-il. Les outils d’IA peuvent aider les radiologues à interpréter les radiographies pulmonaires, mais leur précision diagnostique réelle reste incertaine. »
En vous abonnant à Thema Radiologie, vous débloquez l’accès à l’ensemble de nos contenus premium : dossiers thématiques, tribunes d’experts, analyses technologiques, interviews et décryptages réglementaires.
Profitez de 15 jours d'essai gratuit pour découvrir tous nos contenus premium !
Déjà abonné ? Connectez-vous pour débloquer cet article.
SUR LE MÊME THÈME
Trouver le modèle qui puisse efficacement intégrer l'IA dans le flux de travail du radiologue
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 -
Un acteur français de l'IA propose deux outils TDM pour la détection du cancer
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 -
Un réseau de radiologues français conclut un accord avec un fournisseur d'IA pour le diagnostic
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 comptes rendus radiologiques ne sont pas près de passer par GPT-4
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 -
Un nouvel outil d'extraction de données spécialisé en radiologie
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 -
Des grands modèles de langage sensés participer à l'annotation des images pour le deep learning
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 -
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 -
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.