Les radiologues surpassent l’IA dans l’identification des maladies pulmonaires sur les radiographies thoraciques
Les radiologues surpassent l'IA dans l'identification des maladies pulmonaires.
Partager sur Pinterest- L’intelligence artificielle (IA) et les outils d’apprentissage automatique sont de plus en plus courants dans le domaine de la santé et au-delà.
- Une nouvelle étude a comparé les outils d’IA aux radiologues humains et a constaté que les radiologues étaient supérieurs aux machines pour identifier les conditions à partir des radiographies.
- Les chercheurs ont rapporté que plus le diagnostic était compliqué, plus les experts humains se sont démarqués par rapport aux outils d’IA.
L’intelligence artificielle (IA) transforme déjà notre façon d’interagir avec le monde, en nous aidant à prévoir les ouragans mieux que jamais et à fournir des conseils financiers.
Mais quand il s’agit de lire vos radiographies chez le médecin, les IA ne sont peut-être pas prêtes à remplacer les radiologues du monde entier.
C’est ce que révèle une nouvelle étude publiée dans la revue Radiology.
Dans cette étude, des chercheurs danois ont réuni un groupe de 72 radiologues et quatre outils d’IA commerciaux pour interpréter 2 040 radiographies thoraciques de personnes âgées (âge moyen de 72 ans).
Environ un tiers des radiographies montraient au moins l’une des trois affections diagnostiquables suivantes : maladie des espaces aériens, pneumothorax (poumon effondré) ou épanchement pleural (également appelé “eau sur le poumon”).
- Diabète de type 2 Pourquoi les experts disent que le seuil de diag...
- Des moyens créatifs pour maintenir votre budget de retraite sous co...
- Plaidez en votre faveur en tant que personne de couleur sur Medicare
Les chercheurs ont rapporté que les outils d’IA étaient raisonnablement sensibles, diagnostiquant la maladie des espaces aériens de 72% à 91% du temps parmi les cas positifs, de 63% à 90% du temps pour le pneumothorax et de 62% à 95% du temps pour l’épanchement pleural.
Cependant, les chercheurs ont déclaré que ces outils d’IA produisaient également un grand nombre de faux positifs, leur précision diminuant à mesure que le diagnostic devenait plus compliqué. Cela était particulièrement vrai dans les cas de plusieurs affections concomitantes ou lorsque les preuves radiographiques étaient plus petites.
Par exemple, pour le pneumothorax, lorsque ces faux positifs étaient additionnés, les valeurs prédictives positives pour les systèmes d’IA étaient comprises entre 56 % et 86 %. Les radiologues, quant à eux, avaient raison 96 % du temps.
Les valeurs prédictives positives pour l’épanchement pleural étaient similaires à celles du pneumothorax, variant de 56 % à 84 % de précision.
Les IA étaient encore moins bonnes pour diagnostiquer la maladie des espaces aériens, ne prédisant positivement la condition que dans 40% à 50% des cas.
“Dans cet échantillon de patients difficiles et âgés, l’IA a prédit une maladie des espaces aériens inexistante cinq à six fois sur dix. Vous ne pouvez pas avoir un système d’IA qui fonctionne seul à ce rythme”, a déclaré le Dr Louis Plesner, auteur principal de l’étude et radiologiste résident au département de radiologie de l’hôpital Herlev et Gentofte à Copenhague, au Danemark, dans un communiqué de presse. “Les systèmes d’IA semblent très bons pour détecter les maladies, mais ils ne sont pas aussi bons que les radiologues pour identifier l’absence de maladie, surtout lorsque les radiographies thoraciques sont complexes.”
Un autre problème, selon le Dr Plesner, est qu’un taux élevé de faux positifs serait coûteux en termes de temps, d’examens inutiles et d’augmentation de l’exposition aux radiations chez les patients.
Les experts en IA réagissent à l’étude sur les radiographies thoraciques
“Cette étude ne me surprend pas et correspond exactement à ce que l’on attendrait d’un système d’IA”, a déclaré Zee Rizvi, co-fondateur et président d’Odesso Health, un service d’assistance en IA pour l’automatisation des dossiers médicaux électroniques.
“Au mieux, l’IA complète les compétences humaines de manière complémentaire”, a-t-il déclaré à Medical News Today. “Considérer l’IA et les capacités humaines comme mutuellement exclusives conduira toujours à des résultats décevants. Nous n’en sommes pas encore assez avancés dans l’espace de l’IA et de l’apprentissage profond pour supprimer totalement les humains de l’équation de la productivité et des résultats pour les patients. C’est aussi simple que ça.”
Le Dr Fara Kamanger, dermatologue et présidente de la San Francisco Dermatological Society, ainsi que fondatrice de l’outil de santé cutanée en IA DermGPT, a réagi positivement à l’étude tout en notant ses limites.
“La conception de cette étude est solide, car elle intègre plusieurs outils d’IA et implique deux radiologues pour confirmer le diagnostic. En cas de désaccord, un troisième radiologue est consulté”, a déclaré Kamanger à Medical News Today. “Le potentiel de l’IA dans le domaine de la santé est vaste et englobe diverses applications, notamment le développement de médicaments, la recherche, les soins aux patients, la gestion des pratiques, la prescription et la gestion des assurances, et bien plus encore. Il est encourageant de voir les médecins jouer un rôle actif dans le développement de l’IA dans le domaine de la santé.”
Intelligence artificielle vs. médecins
Kamanger a convenu avec Rizvi qu’il était peu probable que l’IA remplace les experts humains dans les soins de santé de sitôt.
“Les médecins humains ont l’avantage de réaliser une évaluation clinique à 360 degrés, qui inclut l’évaluation de l’apparence physique du patient, des signes vitaux et de la corrélation clinique. Cette approche holistique permet aux médecins de prendre en compte différents facteurs et de poser des diagnostics précis”, a-t-elle déclaré. “Pour améliorer davantage les systèmes d’IA, il est important d’incorporer cette approche globale dans leur développement. En intégrant des données provenant de différentes sources et en tenant compte de plusieurs aspects de l’évaluation du patient, les systèmes d’IA peuvent s’efforcer de reproduire plus efficacement la pratique clinique des médecins humains.”
“Cependant, il est crucial de reconnaître que le jugement clinique humain et l’expérience continueront d’être inestimables pour fournir des soins complets aux patients”, a ajouté Kamanger.
Une chose qu’a mentionnée Rizvi qu’il aimerait voir est une étude de suivi combinant les camps humain et machine.
“Cette étude est basée sur l’hypothèse binaire selon laquelle les résultats dépendent soit de l’IA, soit des radiologues”, a-t-il déclaré. “Si l’étude était menée pour examiner la coopération entre l’IA et les radiologues, le résultat serait certainement plus fort que la somme de ses parties.”
