Radios et scanners dopés à l’intelligence artificielle

Les algorithmes d’intelligence artificielle (IA) assistent de plus en plus les radiologues pour gagner en précision, en fiabilité et en rapidité. Les explications du Dr Alexandre Ben Cheikh, médecin radiologue*.

«Dans un premier temps, des algorithmes de deep learning ont été entraînés sur de larges bases de données à détecter des anomalies sur les images médicales. Cela a marqué les débuts de l’IA interprétative dans notre domaine, rappelle le Dr Alexandre Ben Cheikh, radiologue. L’usage en pratique clinique des algorithmes de détection (IA interprétative) a débuté en 2019 sur des anomalies très ciblées. Depuis, le nombre de cas d’usage a fortement augmenté mais sans pouvoir s’adresser à l’ensemble du spectre des pathologies. L’apport des grands modèles de langage (LLM) et de l’IA non interprétative est moins avancé mais pourrait avoir un impact encore plus important ».

Amélioration de la précision diagnostique

« Les algorithmes d’intelligence artificielle peuvent contribuer à détecter des diagnostics passés inaperçus, améliorant ainsi la qualité et la sécurité des soins pour les patients. Pour les radiologues, cela représente aussi une forme de filet de sécurité, leur permettant de travailler avec davantage de sérénité, explique le radiologue. Ces IA interprétatives sont réglées pour avoir une forte valeur prédictive négative, ce qui fait que quand l’IA est négative, nous avons un fort degré de confiance ». En outre, contrairement à l’être humain, la machine n’est pas soumise à tous les biais cognitifs comme le manque de sommeil ou des soucis personnels. « Quelle que soit l’heure du jour ou de la nuit, l’IA donnera le même résultat ! », souligne notre expert. L’IA pourrait s’avérer utile dans le dépistage de masse (mammographie et scanner thoracique à faible dose) en renforçant la précision, la fiabilité du diagnostic et la reproductibilité des résultats.

Et également un gain de temps

L’intelligence artificielle est également utile pour gagner en productivité et en efficience. En situation d’urgence, face à un afflux d’imageries médicales à analyser, l’IA peut effectuer un premier tri, détecter les anomalies suspectes et aider à prioriser les dossiers les plus urgents. « En France, ces outils d’IA interprétative sont utilisés depuis quelque temps déjà en traumatologie pour la détection de fractures sur les radiographies standard et pour repérer des anomalies pour les radiographies pulmonaires. Ces examens sont produits en volume important ce qui permet de traiter des dossiers plus rapidement », cite le Dr Ben Cheikh. Ainsi, des algorithmes de quantification automatique permettent une évaluation objective et reproductible d’anomalies cérébrales observées dans les pathologies neurodégénératives, en particulier la maladie d’Alzheimer.

Par ailleurs, les outils d’IA non interprétative trouvent leur place dans l’organisation du travail médical. Ils permettent de vérifier la cohérence des textes, de structurer les comptes rendus radiologiques et d’en faciliter la relecture. Là encore, cela apporte un gain de temps pour les médecins et de qualité pour les patients.

*cofondateur d’Imadis et directeur médical technologie chez Imadis Groupe.

Anne-Sophie Glover-Bondeau