Mammographie : les imprécisions d'un algorithme d'IA selon l'âge ou la race de la patiente
Dans une étude portant sur près de 5 000 mammographies de dépistage interprétées par un algorithme d’IA approuvé par la Food & Drug Administration (FDA), les caractéristiques des patientes telles que la race et l’âge ont influencé des résultats faussement positifs. Les résultats de cette étude ont été publiés dans la Revue Radiology.
Les performances des solutions d’aide à l’interprétation des images médicales construites autour d’algorithmes d’Intelligence Artificielle (IA) suscitent, maintenant que nous avons un peu de recul, certaines interrogations.
Les performances des algorithmes d’IA mise en cause dans le dépistage du cancer du sein
Une étude publiée dans la Revue Radiology et conduite par le Dr Derek L. Nguyen, professeur adjoint à la Duke University de Durham (Caroline du Nord – USA), identifie des dysfonctionnements ponctuels qu’il est nécessaire de prendre en compte. « L'IA est devenue une ressource permettant aux radiologues d'améliorer leur efficacité et leur précision dans la lecture des mammographies de dépistage tout en atténuant l'épuisement des lecteurs, annonce en préambule le Dr Nguyen. Cependant, l'influence des caractéristiques des patients sur les performances de l'IA n'a pas été bien étudiée. »
Le Dr. Nguyen pense que, même si les données préliminaires suggèrent que les algorithmes d’IA appliqués aux examens de mammographie de dépistage pourraient améliorer les performances diagnostiques des radiologues pour la détection du cancer du sein et réduire le temps d’interprétation, il convient de prendre en compte certains aspects de l’IA.
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.