Selon une étude publiée dans Radiologieun journal de la Radiological Society of North America (RSNA).
Alors que le diagnostic d’image basé sur l’IA a progressé rapidement dans le domaine médical, les facteurs affectant les déterminations diagnostiques des radiologues dans la lecture d’images assistée par l’IA restent sous-explorés.
Des chercheurs de l’Université nationale de Séoul ont examiné comment ces facteurs pourraient influencer la détection des nodules pulmonaires malins lors de la lecture assistée par l’IA des radiographies pulmonaires.
Dans cette étude rétrospective, 30 lecteurs, dont 20 radiologues thoraciques avec cinq à 18 ans d’expérience et 10 résidents en radiologie avec seulement deux à trois ans d’expérience, ont évalué 120 radiographies pulmonaires sans IA. Sur les 120 radiographies pulmonaires évaluées, 60 provenaient de patients atteints d’un cancer du poumon (32 hommes) et 60 de témoins (36 hommes). Les patients avaient un âge médian de 67 ans. Dans une deuxième session, chaque groupe a réinterprété les rayons X, assisté par une IA de haute ou de faible précision. Les lecteurs étaient aveugles au fait que deux IA différentes étaient utilisées.
L’utilisation de l’IA de haute précision a amélioré les performances de détection des lecteurs dans une plus grande mesure que l’IA de faible précision. L’utilisation d’une IA de haute précision a également entraîné des changements plus fréquents dans les déterminations du lecteur – un concept connu sous le nom de sensibilité.
Il est possible que la taille relativement importante de l’échantillon dans cette étude ait renforcé la confiance des lecteurs dans les suggestions de l’IA. Nous pensons que ce problème de confiance humaine dans l’IA est ce que nous avons observé dans la susceptibilité de cette étude : les humains sont plus sensibles à l’IA lorsqu’ils utilisent une IA à hautes performances de diagnostic. »
Chang Min Park, MD, Ph.D., auteur principal de l’étude, Département de radiologie et Institut de médecine radiologique du Collège de médecine de l’Université nationale de Séoul, Séoul
Par rapport à la première session de lecture, les lecteurs assistés par l’IA à haute précision diagnostique lors de la deuxième session de lecture ont montré une sensibilité par lésion plus élevée (0,63 contre 0,53) et une spécificité (0,94 contre 0,88). Alternativement, les lecteurs assistés par l’IA de faible précision de diagnostic lors de la deuxième session de lecture n’ont montré aucune amélioration entre les deux sessions de lecture pour aucune de ces mesures.
« Notre étude suggère que l’IA peut aider les radiologues, mais uniquement lorsque les performances de diagnostic de l’IA atteignent ou dépassent celles du lecteur humain », a déclaré le Dr Park.
Les résultats soulignent l’importance d’utiliser une IA à haute performance diagnostique. Cependant, le Dr Park a noté que la définition d’« IA à haute performance diagnostique » peut varier en fonction de la tâche et du contexte clinique dans lequel elle sera utilisée. Par exemple, un modèle d’IA capable de détecter toutes les anomalies sur les radiographies pulmonaires peut sembler idéal. Mais en pratique, un tel modèle aurait une valeur limitée pour réduire la charge de travail dans un contexte de dépistage de masse de la tuberculose pulmonaire.
« Par conséquent, notre étude suggère qu’une utilisation cliniquement appropriée de l’IA nécessite à la fois le développement de modèles d’IA performants pour des tâches données et des considérations sur le cadre clinique pertinent auquel cette IA sera appliquée », a déclaré le Dr Park.
À l’avenir, les chercheurs souhaitent étendre leurs travaux sur la collaboration homme-IA à d’autres anomalies sur les radiographies pulmonaires et les images CT.
