Dans une étude récente publiée dans la revue Réseau JAMA ouvertles chercheurs ont évalué l’exactitude et la qualité des rapports de radiographie thoracique générés à l’aide d’interprétations par intelligence artificielle (IA) des images d’entrée et les ont comparés à l’exactitude et à la qualité des rapports de téléradiologie et des radiologues internes.
Étude : Intelligence artificielle générative pour l’interprétation des radiographies thoraciques aux urgences. Crédit d’image : Stock d’avril/Shutterstock
Sommaire
Arrière-plan
L’interprétation rapide des données cliniques et le traitement des patients sont un facteur essentiel dans les services d’urgence. Bien que l’écart entre l’interprétation des radiographies thoraciques par les médecins des services d’urgence et les radiologues soit faible, l’interprétation immédiate de ces résultats par un radiologue peut éviter les problèmes associés aux modifications des traitements et aux rappels des patients sortis. En outre, compte tenu de l’utilisation croissante de la radiologie dans les services d’urgence pour les diagnostics, le développement de systèmes capables de fournir une interprétation rapide des radiographies afin de rationaliser et d’accélérer le traitement des patients suscite un intérêt croissant.
Le manque de services de radiologie dédiés ou de couverture 24 heures sur 24 des services dans les services d’urgence autonomes est actuellement résolu par les services de téléradiologie ou l’interprétation des images radiologiques par les résidents préliminaires. Ces options présentent divers défis et possibilités d’erreur en raison de facteurs tels que l’accès limité aux dossiers cliniques complets. Cependant, l’utilisation de l’IA pour interpréter les données cliniques devient rapidement une option viable dans le contexte médical.
À propos de l’étude
Dans la présente étude, l’équipe a développé un outil d’IA pour l’interprétation des radiographies thoraciques et a mené une évaluation rétrospective de ses performances dans les services d’urgence. L’outil est construit sur un modèle d’encodeur-décodeur basé sur un transformateur et analyse les entrées des radiographies thoraciques pour fournir un rapport radiologique en sortie.
L’ensemble de données de test pour évaluer l’outil comprenait 500 radiographies thoraciques antéro-postérieures ou postéro-antérieures pour lesquelles des rapports du radiologue final et de la téléradiologie étaient également disponibles. Les radiographies thoraciques des personnes âgées de moins de 18 ans ou de plus de 89 ans ont été exclues. Les rapports obtenus grâce à l’outil d’IA, ainsi que ceux de la téléradiologie et du radiologue final, ont été anonymisés. Dans la mesure du possible, des radiographies thoraciques antérieures ont également été utilisées.
Six médecins certifiés, aveugles au type de rapport, ont évalué les rapports générés par l’IA, de téléradiologie et de radiologue final en utilisant des données supplémentaires, notamment des images de radiographie thoracique et des informations sur le type d’acquisition d’images. L’exactitude clinique et la qualité du rapport ont été évaluées à l’aide d’une échelle de Likert à cinq points. Une divergence ou une erreur pouvant entraîner une modification de la prise en charge clinique du patient par le médecin était considérée comme une constatation critique, et les évaluateurs étaient tenus de commenter toute divergence de ce type.
Un modèle mixte de liens cumulatifs a été utilisé pour comparer les scores de Likert entre les rapports générés par l’IA, de téléradiologie et les rapports finaux du radiologue. Le critère de jugement principal était la différence des scores de Likert entre les trois types de rapports. Des analyses secondaires ont été effectuées pour déterminer la probabilité que chacun des types de rapports contienne des écarts cliniquement significatifs.
Résultats
Les résultats suggèrent que l’outil d’IA pour l’interprétation des radiographies thoraciques a fourni des rapports de radiologie dont la qualité textuelle et l’exactitude étaient similaires aux rapports finaux des radiologues et dont la qualité textuelle était supérieure à celle des rapports de téléradiologie. Le succès de l’outil d’IA dans la fourniture de rapports radiologiques précis et de haute qualité met en évidence son potentiel pour faciliter les diagnostics et la prise de décision aux urgences.
Sur les 500 radiographies thoraciques, 434 étaient des acquisitions antéro-postérieures portatives, une était en position postéro-antérieure verticale et 65 étaient des clichés postéro-antérieurs latéraux. Les signes les plus fréquents étaient des infiltrats, suivis d’un œdème pulmonaire, d’un épanchement pleural, de la présence de dispositifs de soutien, d’une cardiomégalie et d’un pneumothorax. En outre, les rapports ayant un score inférieur à trois sur l’échelle de Likert ont été examinés et les écarts ont été classés comme des résultats significatifs manqués, des résultats superflus ou des résultats mal contextualisés.
Dans l’un des cas, le rapport généré par l’IA a même amélioré le rapport du radiologue, les évaluateurs notant que le rapport du radiologue n’a pas réussi à détecter un nouvel infiltrat, ce que le rapport de l’IA a fait. Dans un autre cas, le rapport du radiologue a observé que les opacités de l’image étaient persistantes, tandis que le rapport de téléradiologie et le rapport généré par l’IA indiquaient que les opacités s’étaient aggravées – une constatation qui pourrait avoir une signification clinique substantielle.
Comparé à d’autres outils qui ont utilisé des systèmes de classification tels que les prédictions binaires de présence ou d’absence pour diagnostiquer des pathologies individuelles, l’outil d’IA et son utilisation de radiographies thoraciques antérieures et actuelles fournissent également des informations sur des facteurs tels que l’emplacement, la gravité et l’évolution clinique de la maladie. condition. En outre, le rapport de l’IA fournit des informations contextualisées, qui peuvent être utilisées pour des diagnostics différentiels et comme base pour des recommandations d’évaluation plus approfondies.
Conclusions
Pour résumer, l’étude a rapporté que l’outil d’IA pour l’interprétation rapide et immédiate des radiographies thoraciques dans les services d’urgence a fourni des rapports de radiologie avec des niveaux de qualité et de précision comparables à ceux des radiologues et a surpassé les rapports de téléradiologie en termes de qualité textuelle. Le temps de traitement court et la grande précision de l’outil d’IA pourraient potentiellement être utilisés pour faciliter et rationaliser le traitement des patients par les médecins des services d’urgence.
