Une étude récente publiée dans la revue Radiology a révélé que les radiologues étaient meilleurs que les outils d'intelligence artificielle pour identifier ou exclure trois maladies pulmonaires courantes à partir de plus de 2 000 radiographies pulmonaires. Les radiologues ont surpassé l'intelligence artificielle en détectant avec précision trois maladies pulmonaires courantes à partir de radiographies pulmonaires, selon une étude publiée dans la revue Radiology. L'outil d'IA, bien que sensible, a produit davantage de faux positifs, le rendant moins fiable pour un diagnostic autonome mais utile pour un deuxième avis.
Dans une étude portant sur plus de 2 000 radiographies pulmonaires, les radiologues ont surpassé l’intelligence artificielle pour identifier avec précision la présence ou l’absence de trois maladies pulmonaires courantes, selon une étude publiée le 26 septembre dans Radiology, le journal de la Radiological Society of North America (RSNA).
Le rôle de la radiographie
"Les radiographies pulmonaires sont un outil de diagnostic courant, mais l'interprétation correcte des résultats nécessite une formation et une expérience approfondies", a déclaré le chercheur principal Louis L. Plesner, MD, médecin résident et doctorant au département de radiologie de l'hôpital Herlev et Gentofte de Copenhague, au Danemark.
Bien qu’il existe sur le marché des outils d’IA approuvés par la FDA pour aider les radiologues, l’application clinique des outils d’IA basés sur l’apprentissage profond pour le diagnostic radiologique en est encore à ses balbutiements. « Alors que de plus en plus d'outils d'intelligence artificielle sont approuvés pour une utilisation en radiologie, il existe un besoin non satisfait de tester davantage ces outils dans des scénarios cliniques réels », a déclaré le Dr Plesner. "Les outils d'IA peuvent aider les radiologues à interpréter les radiographies pulmonaires, mais leur précision diagnostique réelle reste incertaine."
(A) Radiographie thoracique postéro-antérieure d'un patient de sexe masculin de 71 ans adressé pour un examen radiologique en raison d'une dyspnée progressive montrant une fibrose bilatérale (flèche B). La radiographie thoracique postéro-antérieure d'une patiente de 31 ans adressée pour un examen radiologique en raison d'une toux vieille d'un mois montre une subtile opacité de la lame d'air au bord droit du cœur (flèche). (C) La radiographie thoracique antérieure d'un patient de sexe masculin de 78 ans référé après la pose d'un cathéter veineux central montre un pli cutané droit (flèche). (D) Une radiographie thoracique postéro-antérieure d'un patient de sexe masculin de 78 ans référé pour exclusion d'un pneumothorax montre un pneumothorax très subtil (flèche) à l'apex droit. (E) Radiographie thoracique postérieure et antéro-postérieure montrant un arrondi chronique de l'angle costophrénique (flèche) chez un patient de 72 ans adressé pour un examen radiologique sans raison particulière. (F) La radiographie pulmonaire antérieure d'une patiente de 76 ans référée en raison d'une suspicion de congestion et/ou de pneumonie montre un très petit épanchement sur le côté gauche de la poitrine (flèche) qui a été manqué par les trois outils d'IA qui analysent les épanchements pleuraux sur les radiographies pulmonaires antérieures. Source : Société radiologique d'Amérique du Nord
Résultats de la recherche
Le Dr Plesner et l'équipe de recherche ont comparé les performances de quatre outils d'intelligence artificielle disponibles dans le commerce et de 72 radiologues pour interpréter 2 040 radiographies thoraciques adultes prises consécutivement sur deux ans dans quatre hôpitaux du Danemark en 2020. L'âge médian de la population de patients était de 72 ans. Parmi les échantillons de radiographie pulmonaire, 669 (32,8 %) présentaient au moins une cible.
Les radiographies pulmonaires ont été évaluées pour trois constatations courantes : maladie des cellules aériennes (un schéma de radiographies pulmonaires causées par des éléments tels qu'une pneumonie ou un œdème pulmonaire), un pneumothorax (effondrement du poumon) et un épanchement pleural (accumulation d'eau autour des poumons).
L'outil d'IA avait une sensibilité de 72 à 91 % pour les maladies des voies respiratoires, de 63 à 90 % pour le pneumothorax et de 62 à 95 % pour l'épanchement pleural.
"Les outils d'IA ont montré une sensibilité modérée à élevée, comparable à celle des radiologues, dans la détection des maladies de l'espace aérien, du pneumothorax et de l'épanchement pleural sur les radiographies pulmonaires", a-t-il déclaré. "Cependant, ils ont produit plus de résultats faussement positifs (prédisant la maladie lorsqu'elle n'était pas présente) que les radiologues, et leurs performances se sont dégradées lorsque plusieurs résultats et des cibles plus petites étaient présents."
Comparaison des valeurs prédites
Pour le pneumothorax, la valeur prédictive positive du système d’IA – la probabilité qu’un patient dépisté positif soit réellement atteint de la maladie – variait entre 56 % et 86 %, contre 96 % pour les radiologues.
"L'IA a obtenu les pires résultats pour identifier le pneumothorax, avec une valeur prédictive positive comprise entre 40 et 50 pour cent", a déclaré le Dr Plesner. "Dans cet échantillon difficile de patients âgés, l'IA a prédit une maladie de l'entrefer inexistante 5 à 6 fois sur 10. Vous ne pourriez pas avoir un système d'IA fonctionnant seul à cette vitesse."
L’objectif des radiologues est de trouver un équilibre entre la capacité de détecter et d’exclure une maladie, à la fois pour éviter qu’une maladie importante ne soit négligée et pour éviter un surdiagnostic. "Les systèmes d'IA semblent très efficaces pour détecter les maladies, mais pas aussi efficaces que les radiologues pour déterminer l'absence de maladie, en particulier lorsque les radiographies pulmonaires sont plus complexes", a-t-il déclaré. "Trop de diagnostics faussement positifs peuvent conduire à des images inutiles, à une exposition aux radiations et à une augmentation des coûts."
La plupart des études tendent généralement à évaluer la capacité de l’IA à déterminer la présence ou l’absence d’une seule maladie, ce qui est beaucoup plus facile que dans des situations réelles où les patients souffrent souvent de plusieurs maladies. Dans de nombreuses études précédentes affirmant que l’IA était supérieure aux radiologues, ces derniers visionnaient uniquement les images sans connaître les antécédents cliniques du patient ni les études d’imagerie antérieures. Dans la pratique quotidienne, l'interprétation d'un examen d'imagerie par un radiologue est un composite de ces trois points de données. Les chercheurs pensent que la prochaine génération d’outils d’IA pourrait devenir encore plus puissante s’ils pouvaient également effectuer ce type de synthèse, mais aucun système de ce type n’existe actuellement.
"Nos recherches montrent que les radiologues surpassent généralement l'IA dans des scénarios réels avec une grande variété de patients", a-t-il déclaré. "Bien que les systèmes d'IA puissent identifier efficacement les radiographies pulmonaires normales, l'IA ne devrait pas établir de diagnostic de manière autonome."
Le Dr Plesner a souligné que ces outils d'intelligence artificielle peuvent accroître la confiance des radiologues dans leur diagnostic en réexaminant les radiographies pulmonaires.