L'IA vs le radiologue dans l'interprétation de la radiographie pulmonaire
MARDI 03 SEPTEMBRE 2024
Soyez le premier à réagirUn outil d'intelligence artificielle (IA) utilisé dans une étude danoise publiée dans la Revue Radiology pour interpréter des radiographies pulmonaires s'est avéré efficace pour exclure une pathologie. Il a présenté des taux d'échec critiques sur les radiographies pulmonaires égaux ou inférieurs à ceux des radiologues, ses erreurs se révélant plus graves cliniquement.
Les développements récents de l’IA font l’objet d’un intérêt croissant de la part des gestionnaires de centres d’imagerie, en particulier sur le champ de la radiologie diagnostique de projection en routine. C’est ainsi que les radiographies pulmonaires réalisées sans étiologie particulière, qui sont très nombreuses et à faible valeur ajoutée pour les radiologues, pourraient être gérées par l’IA et ainsi améliorer le flux de travail en fournissant un compte rendu automatique.
Une étude à grande échelle pour comparer le diagnostic de l’IA et celui des radiologues
Des chercheurs danois ont initié une étude, publiée dans la Revue Radiology, qui a pour but d'estimer la proportion de radiographies pulmonaires de base où l'IA pourrait exclure correctement une pathologie sans augmenter les erreurs de diagnostic. Ils ont pris en compte des comptes rendus radiologiques et des données images de 1 961 patients (âge médian 72 ans ; 993 femmes), une radiographie pulmonaire ayant été réalisée par patient dans quatre hôpitaux danois.
« Notre groupe, parmi d’autres, a déjà montré que les outils d'IA sont capables d'exclure une pathologie dans les radiographies pulmonaires avec une grande confiance et de fournir ainsi un compte rendu normal autonome sans intervention humaine, remarque l'auteur principal, le Dr Louis Lind Plesner, du département de radiologie de l'hôpital Herlev et Gentofte de Copenhague (Danemark). De tels algorithmes d’IA oublient très peu de radiographies thoraciques anormales. Cependant, avant notre étude, nous ne savions pas quel était le seuil approprié pour ces modèles ».
Une meilleure efficacité pour qualifier les images normales
Ce travail de recherche tente de déterminer si la qualité des erreurs commises par l’IA et celles des radiologues était différente et si les erreurs de l’IA, en moyenne, sont objectivement pires que les erreurs humaines. L’outil d’IA a été adapté afin de générer une probabilité de « caractère remarquable » d’une radiographie pulmonaire, qui a été utilisée pour calculer la spécificité à différentes sensibilités de l’IA.
Deux radiologues thoraciques, aveugles aux résultats de l'IA, ont qualifié les radiographies pulmonaires de « remarquables » ou de « sans particularité » sur la base de résultats prédéfinis sans particularité. Les radiographies thoraciques avec des résultats manqués par l'IA et/ou le compte rendu de radiologie ont été classées par un radiologue thoracique – ne sachant pas si l'erreur avait été commise par l'IA ou le radiologue – comme étant critiques, cliniquement significatives ou cliniquement insignifiantes.
Des erreurs de l’IA plus graves sur le plan clinique que celles commises par les radiologues
La norme de référence a qualifié 1 231 des 1 961 radiographies pulmonaires (62,8%) de remarquables et 730 des 1 961 (37,2%) de sans particularité. L'outil d'IA a correctement exclu la pathologie dans 24,5% à 52,7% des radiographies pulmonaires de base avec une sensibilité supérieure ou égale à 98%, avec des taux d'échecs critiques inférieurs à ceux trouvés dans les comptes rendus de radiologie associés aux images.
Le Dr. Plesner note que les erreurs commises par l’IA étaient, en moyenne, plus graves sur le plan clinique pour le patient que les erreurs commises par les radiologues. « Cela est probablement dû au fait que les radiologues interprètent les résultats en fonction du scénario clinique, ce que l'IA ne fait pas, explique-t-il. Par conséquent, lorsque l’IA est destinée à fournir un compte rendu normal automatisé, elle doit être plus sensible que le radiologue pour éviter de diminuer le niveau de gravité de la pathologie. Cette découverte est également généralement intéressante à l’ère des capacités de l’IA couvrant de multiples environnements à enjeux élevés, pas uniquement limités aux soins de santé ».
L'IA pourrait ainsi identifier de manière autonome plus de la moitié de toutes les radiographies pulmonaires normales. « Dans notre population d'étude en milieu hospitalier, cela signifiait que plus de 20% de toutes les radiographies pulmonaires auraient pu être rapportées de manière potentiellement autonome en utilisant cette méthodologie, tout en conservant un taux d'erreurs cliniquement pertinentes inférieur à la norme actuelle », conclut le Dr Plesner.
DSIH