Les humains surpassent l’IA dans l’interprétation des radiographies thoraciques

Humans outperform AI in the interpretation of chest radiographs.)

Les outils d’intelligence artificielle peuvent aider à renforcer la confiance des radiologistes dans leurs diagnostics, mais ils ne peuvent pas être utilisés pour identifier les maladies pulmonaires courantes sur les radiographies pulmonaires, selon une nouvelle étude.

Les chercheurs ont mis 72 radiologistes en compétition avec quatre outils d’intelligence artificielle commerciaux dans une analyse de plus de 2 000 radiographies. Les experts humains ont remporté la victoire, selon les résultats publiés le 25 septembre dans la revue Radiology.

“La radiographie pulmonaire est un outil de diagnostic courant, mais une formation et une expérience significatives sont nécessaires pour interpréter correctement les examens”, a déclaré le Dr Louis Plesner, chercheur principal, radiologue résident et doctorant en radiologie à l’hôpital Herlev et Gentofte à Copenhague, au Danemark.

“Bien que les outils d’intelligence artificielle soient de plus en plus approuvés pour une utilisation dans les services de radiologie, il reste un besoin non satisfait de les tester davantage dans des scénarios cliniques réels”, a déclaré Plesner dans un communiqué de presse de la revue. “Les outils d’intelligence artificielle peuvent aider les radiologistes à interpréter les radiographies pulmonaires, mais leur précision diagnostique dans la vie réelle reste incertaine.”

Des outils d’intelligence artificielle disponibles commercialement et approuvés par la FDA sont disponibles pour aider les radiologistes, a déclaré Plesner.

Dans cette étude, les radiographies avaient été prises sur une période de deux ans dans quatre hôpitaux danois. Environ un tiers des radiographies présentaient au moins un diagnostic cible.

Les radiographies ont été examinées pour trois constatations courantes : une maladie des espaces aériens, qui est un motif de radiographie pulmonaire causé par une pneumonie ou un œdème pulmonaire; un pneumothorax, ou poumon effondré; et une épanchement pleural, une accumulation d’eau autour des poumons.

Les outils d’intelligence artificielle présentaient des taux de sensibilité variant de 72% à 91% pour la maladie des espaces aériens, de 63% à 90% pour le pneumothorax et de 62% à 95% pour l’épanchement pleural. Un test très sensible signifie qu’il y a moins de cas de maladie manqués.

L’étude a révélé que les radiologistes surpassaient les outils d’intelligence artificielle en identifiant de manière précise la présence et l’absence des trois maladies pulmonaires courantes.

“Les outils d’intelligence artificielle ont montré une sensibilité modérée à élevée comparable à celle des radiologistes pour détecter la maladie des espaces aériens, le pneumothorax et l’épanchement pleural sur les radiographies pulmonaires”, a déclaré Plesner. “Cependant, ils ont produit plus de résultats faux positifs [prédisant une maladie lorsqu’il n’y en avait aucune] que les radiologistes, et leurs performances ont diminué lorsque plusieurs constatations étaient présentes et pour les cibles plus petites.”

Pour le pneumothorax, la probabilité que les patients ayant un résultat de dépistage positif aient réellement la maladie variait de 56% à 86% pour les systèmes d’intelligence artificielle, contre 96% pour les radiologistes.

“Les outils d’intelligence artificielle ont obtenu les moins bons résultats en identifiant la maladie des espaces aériens, avec des valeurs prédictives positives variant entre 40% et 50%”, a déclaré Plesner. “Dans cet échantillon de patients difficiles et âgés, l’intelligence artificielle a prédit une maladie des espaces aériens lorsqu’il n’y en avait aucune cinq à six fois sur dix. Vous ne pouvez pas avoir un système d’intelligence artificielle qui fonctionne seul à ce taux.”

L’objectif des radiologistes est d’équilibrer la détection et l’exclusion de la maladie, en évitant les maladies significatives négligées et la surdiagnostic, a déclaré Plesner.

“Les systèmes d’intelligence artificielle semblent très bons pour détecter la maladie, mais ils ne sont pas aussi bons que les radiologistes pour identifier l’absence de maladie, en particulier lorsque les radiographies pulmonaires sont complexes”, a-t-il déclaré. “Trop de diagnostics faux positifs entraîneraient des examens inutiles, une exposition aux radiations et des coûts supplémentaires.”

Dans des études antérieures revendiquant la supériorité de l’intelligence artificielle par rapport aux radiologistes, les radiologistes ont examiné uniquement l’image sans avoir accès à l’historique clinique du patient et aux études d’imagerie précédentes. “Dans la pratique quotidienne, l’interprétation d’une radiographie par un radiologiste est une synthèse de ces trois points de données”, a déclaré Plesner.

Plus d’informations

L’American Hospital Association propose plus d’informations sur l’utilisation de l’intelligence artificielle dans le diagnostic et les soins.

SOURCE : Radiology, communiqué de presse, 26 septembre 2023

DIAPORAMA