La plate-forme de support d'IA permet de gagner du temps dans la pratique de radiologie de routine

L’intégration d’une plateforme de support d’intelligence artificielle (IA) dans la pratique radiologique de routine permet aux radiologues d’économiser environ une heure par jour pour interpréter les tomodensitogrammes thoraciques par rapport à la lecture des scans sans elle, selon une étude randomisée.



Docteur Joseph Schoepf

“La radiologie est l’une des premières applications possibles de l’IA simplement parce que nous sommes basés sur le numérique, ce qu’un ordinateur peut facilement lire et analyser”, a déclaré Joseph Schoepf, MD, de l’Université médicale de Caroline du Sud, à Charleston, en Caroline du Sud. Actualités médicales Medscape.

“La radiologie est donc en effet l’un des premiers domaines qui, je pense, bénéficiera grandement de l’IA”, a-t-il déclaré. Il a noté qu’il s’agissait de la première étude à évaluer l’impact d’une plate-forme de support d’IA sur les temps d’interprétation du scanner thoracique dans un environnement clinique réel.

L’étude a récemment été publiée en ligne dans le Journal américain de radiologie (AJR).

Formation sur la plate-forme AI

Avant la date de début de l’étude, trois radiologues cardiothoraciques ont reçu au moins 30 jours de formation sur l’utilisation de la plateforme d’IA. Toutes les analyses ont été réalisées et interprétées dans le cadre de la pratique clinique du monde réel. L’échantillon final consistait en 390 tomodensitogrammes thoraciques réalisés pour 390 patients ; 195 de ces scans ont été interprétés dans le bras assisté par l’IA, et 195 ont été interprétés dans le bras non assisté par l’IA. Chaque lecteur a interprété 65 scans dans chaque bras.

Au total, 190 scans ont été réalisés sans produit de contraste IV ; 200 ont été réalisées avec un produit de contraste IV. “Pour chaque lecteur, le temps d’interprétation moyen était significativement plus court dans le cas assisté par l’IA que dans le cas non-AI. [assisted] bras », rapportent les auteurs.

Pour le lecteur 1, le temps passé à lire un scan était de 289 secondes avec l’aide de l’IA, contre 344 secondes sans l’aide de l’IA (P < .001). Pour le lecteur 2, le temps passé à lire un scan avec l'aide de l'IA était de 449 secondes, contre 649 secondes sans l'aide de l'IA (P < .001). Pour le troisième lecteur, le temps passé à lire un scan avec l'aide de l'IA était de 281 secondes, contre 348 secondes sans l'aide de l'IA (P = .01). D’après le regroupement des données des trois lecteurs, le temps d’interprétation moyen était de 328 secondes dans le bras assisté par l’IA, contre 412 secondes dans le bras non assisté par l’IA (P < 0,001 ); la différence moyenne de temps d'interprétation était de 93 secondes (IC à 95 %, 63 à 123 secondes).

Cela correspond à une réduction de 22,1 % du temps d’interprétation d’un scanner en faveur du bras assisté par l’IA (IC à 95 %, 14,9 % – 29,2 % ; P < .001), soulignent les auteurs.

La même différence en faveur du bras assisté par l’IA a été observée dans les scans à contraste amélioré et dans les scans sans contraste ; dans les scans négatifs et les scans positifs ; et dans les scans positifs sans nouveaux résultats et dans ceux avec de nouveaux résultats (tableau 1).

Tableau 1. Différence moyenne et pourcentage de réduction des temps d’interprétation

Numérisations Différence moyenne en faveur du bras assisté par IA Pourcentage de réduction des temps d’interprétation en faveur du bras assisté par l’IA P évaluer
Numérisations à contraste amélioré 83 s 20% <.001
Numérisations sans contraste amélioré 104 s 24,2 % <.001
Numérisations négatives 84 s 26,2 % =.001
Scans positifs sans nouvelles découvertes 117 s 25,7 % -.001
Scans positifs avec de nouvelles découvertes 92 secondes 20,4 % <.001

Les tomodensitogrammes doublés

Les enquêteurs notent qu’entre 2000 et 2016, le nombre de tomodensitogrammes thoraciques réalisés pour les adultes aux États-Unis a plus que doublé. “Cependant, le nombre de radiologues en exercice n’a pas suivi le rythme de la croissance de l’utilisation de l’imagerie ; l’inadéquation qui en résulte entraîne une augmentation de la charge de travail par radiologue en exercice et une augmentation subséquente de l’épuisement professionnel”, déclarent-ils. De nouvelles solutions pour réduire le fardeau des tâches répétitives sont nécessaires pour alléger la charge de travail de ces praticiens.

Lorsqu’on lui a demandé si la courbe d’apprentissage pouvait rendre difficile l’adoption de plates-formes de support d’IA dans des centres moins experts, Schoepf a déclaré qu’il était facile à apprendre. “La courbe d’apprentissage était en fait assez courte car la sortie du système particulier que nous utilisons (AI-Rad Companion ; Siemens Healthineers) est à peu près d’une page et c’est assez intuitif”, a-t-il expliqué.

Le logiciel fournit une analyse, une quantification et une visualisation automatisées des images des structures sur les tomodensitogrammes et comprend des modules cardiaques, pulmonaires et musculo-squelettiques. Grâce à l’utilisation de ces modules, l’application détecte et segmente les lésions pulmonaires, fournit le nombre et l’emplacement des lésions ainsi que des mesures de la taille et du volume des lésions, quantifie les diamètres de l’aorte thoracique et calcule les volumes de calcium coronaire, en plus d’autres fonctions.

“La première chose que je crois que l’IA fait actuellement pour la radiologie est qu’elle nous soulage de beaucoup de tâches de quantification qui prennent beaucoup de temps”, a déclaré Schoepf.

Par exemple, la notation du calcium de l’artère coronaire est actuellement effectuée manuellement en encerclant chaque calcification dans l’arbre de l’artère coronaire, ce qui prend du temps. “L’ordinateur crache simplement un nombre qui permet d’économiser beaucoup d’heures de radiologie à quantifier”, a ajouté Schoepf.

De même, la mesure de la taille de l’aorte est normalement une tâche relativement ardue dans la mesure où un radiologue doit mesurer les dimensions de l’aorte dans un espace tridimensionnel, ce qui est à la fois difficile et chronophage. “L’ordinateur fait essentiellement tout cela pour nous. Et si nous effectuons une analyse de surveillance, par exemple, pour voir si un anévrisme aortique s’est développé au fil du temps, l’ordinateur rend la tâche beaucoup plus facile”, a déclaré Schoepf.

Bien que les radiologues regardent l’ensemble de l’étude d’imagerie, ils sont toujours enclins à « zoomer » sur la question à laquelle on leur demande de répondre : par exemple, ce patient a-t-il une embolie pulmonaire, oui ou non ? Naturellement, le radiologue à qui l’on pose cette question va se concentrer sur les artères pulmonaires pour voir s’il y a un signe de caillot, mais en se concentrant autant sur un système d’organes, il est facile de manquer des choses qui sont en dehors de l’immédiat domaine d’intérêt.

“L’ordinateur fait un très bon travail pour trouver des pathologies que nous ne recherchons pas nécessairement en premier lieu”, a déclaré Schoepf. “Je pense que beaucoup de gens reconnaîtront les avantages de l’IA, et avec le temps, lorsque les gens auront adopté l’idée d’intégrer l’IA dans leur pratique, nous en verrons une adoption beaucoup plus répandue.”

Quelques promesses ici

Demandé par Actualités médicales Medscape pour commenter les résultats, Mikael Hammer, MD, de la Harvard Medical School, à Boston, Massachusetts, a convenu avec Schoepf qu’il est assez facile d’appliquer l’IA en radiologie par rapport à de nombreux autres domaines.

“Je pense qu’il y a une promesse ici, bien qu’on nous ait beaucoup promis au fil des ans, et nous attendons toujours de voir les choses se concrétiser”, a-t-il déclaré.

D’un autre côté, Hammer a noté que l’article n’indique pas exactement pourquoi les interprétations étaient plus rapides en utilisant ce logiciel. C’est probablement parce que les radiologues copiaient directement les mesures du logiciel au lieu de les faire manuellement eux-mêmes, a-t-il déclaré.

“Je pense que ce que nous attendons vraiment avec impatience, c’est la prochaine étape de l’automatisation, où le logiciel peut directement saisir les mesures dans votre rapport, ce qui a le potentiel d’être encore plus efficace. Lorsque l’ordinateur effectue les mesures, vous les vérifiez d’une certaine manière, puis les mesures entrent automatiquement dans votre rapport », a expliqué Hammer.

“C’est donc ce que nous attendons avec impatience de se produire à un moment donné et cela a le potentiel d’être encore plus utile, et nous attendons avec impatience des améliorations continues de cela”, a-t-il ajouté.

La recherche n’a reçu aucune subvention spécifique d’organismes de financement des secteurs public, commercial ou à but non lucratif. Schoepf et Hammer n’ont révélé aucune relation financière pertinente.

Suis J Roentgenol. Publié en ligne le 8 juin 2022. Texte intégral

Pour plus d’actualités, suivez Medscape sur Facebook, TwitterInstagram et YouTube.