Au cours des dernières années, l’intelligence artificielle (IA) est devenue un outil indispensable en radiologie. Autrefois considérée comme un concept abstrait, l’IA est aujourd’hui une aide pratique et précieuse pour les radiologues.
L’imagerie se prête parfaitement à l’IA, notamment grâce à la norme DICOM (Digital Imaging and Communications in Medicine) utilisée dans le monde entier depuis les années 90. Grâce à l’uniformité des données d’imagerie, l’IA peut être efficacement formée à des tâches diagnostiques, préventives et thérapeutiques spécifiques.
L’IA aide ainsi à éviter les angles morts dans le flux toujours croissant de données d’imagerie que les radiologues doivent traiter, et est donc déjà bien établie dans la pratique radiologique musculo-squelettique. Par exemple, des algorithmes détectent les fractures, effectuent des mesures et des segmentations automatiques ou dépistent l’ostéoporose. Des signes précoces de rhumatisme sont détectés lors d’examens CT réalisés pour des raisons tout à fait différentes, avant même l’apparition des symptômes cliniques. Cela peut conduire à un diagnostic plus précoce, à des traitements plus efficaces et à une amélioration considérable de la qualité de vie.
Un avantage important de l’IA est que la sensibilité et la spécificité peuvent être ajustées à volonté en fonction de l’application clinique. Il reste crucial que le radiologue assume toujours la responsabilité finale: l’IA fait des suggestions, mais c’est l’interprétation humaine qui détermine le diagnostic final. Cela permet de limiter le risque de surdiagnostic ou d’examens inutiles.
Toutes les applications de l’IA ne se valent pas. Les investissements au niveau des hôpitaux ou des services doivent se concentrer sur les applications qui apportent des avantages médicaux, économiques ou sociaux démontrables. Citons par exemple la détection précoce des maladies rhumatismales, le dépistage de l’ostéoporose par le biais des fractures vertébrales ou le dépistage des maladies osseuses métaboliques. La pertinence et l’impact dans un contexte opérationnel spécifique sont les critères clés.
Outre le diagnostic, l’IA offre également des solutions qui rendent l’imagerie plus sûre et plus efficace. Un bon exemple est BoneMRI, qui génère synthétiquement des images CT à partir de données d’imagerie par résonance magnétique. Cela permet de visualiser les structures osseuses sans rayonnement nocif. Les techniques de réduction du bruit dans les scans CT permettent de réduire les doses de rayonnement et d’accélérer les examens sans perte de qualité.
On s’attend à ce que les applications de l’IA deviennent de plus en plus diverses et performantes, évoluant peut-être vers une sorte d’«app store» médical où l’hôpital pourra se procurer de manière sélective les logiciels souhaités. Les médecins doivent être conscients que l’IA dans l’imagerie médicale est inévitable. À long terme, l’IA établira également des liens translationnels entre l’imagerie, la génétique, les résultats sanguins et les dossiers des patients, ce qui permettra d’obtenir de nouvelles informations sur les maladies et de meilleurs pronostics.
L’IA n’est pas un substitut, mais un complément puissant au travail du radiologue. Elle augmente l’efficacité, améliore la précision et offre des possibilités de détection précoce des maladies. En investissant de manière sélective et en conservant le contrôle humain au centre, l’IA peut améliorer considérablement la qualité des soins de santé. L’avenir de la radiologie sera donc largement façonné par l’intégration de l’IA: «L’IA ne fera pas disparaître les radiologues, mais les radiologues qui n’utilisent pas l’IA disparaîtront.»
