(Dennis Thompson - HealthDay News) -- Les outils d'intelligence artificielle n'aident pas toujours les radiologues à mieux examiner les radiographies ou les tomodensitogrammes d'un patient, selon une nouvelle étude.
L'IA a été présentée comme un moyen potentiel d'améliorer la capacité des médecins à interpréter les images médicales, ont indiqué les chercheurs.
Cependant, les avantages de l'IA varient d'un médecin à l'autre et, dans certains cas, elle peut interférer avec les performances et la précision du radiologue , selon les résultats.
"Nous avons constaté que différents radiologues, en fait, réagissent différemment à l'aide de l'IA : certains en sont aidés, tandis que d'autres en subissent du tort ", a déclaré le co-chercheur principal Pranav Rajpurkar, professeur adjoint d'informatique biomédicale à l'Institut Blavatnik de la Harvard Medical School. .
Les résultats indiquent que les développeurs d'IA doivent mieux comprendre comment les médecins interagissent avec les programmes , ont déclaré les chercheurs. De cette façon, l’IA peut être optimisée pour augmenter les performances humaines plutôt que de les entraver.
"Cela signifie que nous ne devrions pas considérer les radiologues comme une population uniforme et considérer uniquement l'effet 'moyen' de l'IA sur leurs performances", a déclaré Rajpurkar dans un communiqué de presse de Harvard. "Pour maximiser les avantages et minimiser les dommages, nous devons personnaliser les systèmes d'assistance à l'IA."
Pour l’étude, les chercheurs ont suivi l’impact de l’IA sur les performances de 140 radiologues sur 15 tâches de diagnostic associées aux images radiographiques.
Les radiologues ont été invités à évaluer 324 cas de patients différents impliquant 15 maladies visibles sur les radiographies pulmonaires, ont indiqué les chercheurs.
Les chercheurs ont utilisé des mesures informatiques avancées pour comparer la manière dont les médecins détectaient et identifiaient correctement les maladies avec et sans l’aide de l’IA.
Ils ont constaté que l’effet de l’assistance par l’IA était incohérent et variait d’un radiologue à l’autre. Les programmes ont amélioré les performances de certains médecins et les ont détériorées chez d'autres.
Étonnamment, les chercheurs ont découvert que l’expérience personnelle d’un médecin en radiologie ne permettait pas de prédire de manière fiable dans quelle mesure l’IA les aiderait ou les gênerait.
Des facteurs tels que le nombre d'années d'expérience, la spécialisation en radiologie thoracique et le fait d'avoir déjà utilisé l'IA n'influencent pas systématiquement les performances d'un médecin, selon les résultats.
De plus, les médecins qui n’étaient pas doués pour lire les radiographies ne bénéficiaient pas systématiquement de l’assistance de l’IA. En général, les radiologues peu performants lisent mal les radiographies avec ou sans IA, ont découvert les chercheurs.
Cependant, les chercheurs ont découvert que des outils d'IA plus précis avaient tendance à améliorer les performances des médecins, tandis que des programmes moins performants pouvaient entraver l'établissement d'un diagnostic correct.
L’étude n’a pas été conçue pour expliquer pourquoi les outils d’IA ne sont pas toujours utiles aux radiologues, ont noté les chercheurs.
La nouvelle étude paraît dans le numéro du 19 mars de la revue Nature Medicine.
L’équipe de recherche a déclaré que les programmeurs d’IA feraient bien de travailler avec des médecins qui utilisent leurs outils pour les rendre plus utiles et de tester les outils dans le cadre d’expériences permettant de mieux affiner leur efficacité.
Il est important de noter que les développeurs d'IA doivent s'assurer que leurs programmes peuvent « expliquer » leurs décisions, afin que les médecins puissent mieux détecter les diagnostics inexacts, ont indiqué les chercheurs.
"Notre recherche révèle la nature nuancée et complexe de l'interaction homme-machine", a déclaré Nikhil Agarwal, co-auteur principal et professeur d'économie au MIT. "Cela met en valeur la nécessité de comprendre la multitude de facteurs impliqués dans cette interaction et comment ils influencent le diagnostic final et les soins des patients."
Plus d'informations
NYU Langone Health propose plus d’informations sur l’IA en imagerie.
SOURCE : Harvard Medical School, communiqué de presse, 19 mars 2024