Radio du thorax : l'IA CheXNeXt cherche 14 anomalies à la fois, face à 9 radiologues

Pourquoi la radio du thorax est-elle un enjeu ?

La radiographie du thorax est l'examen d'imagerie le plus fréquent au monde : plus de 2 milliards sont faites chaque année, selon les auteurs. Elle aide à repérer des maladies courantes comme la pneumonie, la tuberculose ou le cancer du poumon.

Mais la lire prend du temps et demande un radiologue, le médecin spécialiste des images. Dans de nombreuses régions du monde, il en manque. Et même les radiologues expérimentés peuvent se tromper quand la fatigue s'installe. Les auteurs voulaient savoir si une IA pouvait lire ces radios aussi bien que des radiologues en exercice.

Qu'ont fait les chercheurs de Stanford ?

L'équipe a entraîné CheXNeXt, un réseau de neurones convolutif (un type d'IA spécialisé dans les images), sur une grande base publique : 112 120 radios de face de 30 805 patients. Chaque radio y porte jusqu'à 14 étiquettes d'anomalies, comme la pneumonie, l'épanchement pleural (du liquide autour du poumon), l'atélectasie (une partie du poumon affaissée), les nodules ou les masses.

Pour le test, 420 radios jamais vues par l'IA ont été choisies. La bonne réponse a été fixée par le vote de 3 radiologues spécialistes du thorax. Les résultats de l'IA ont été comparés à ceux de 9 radiologues : 6 radiologues confirmés et 3 internes en fin de formation.

Quels résultats l'IA a-t-elle obtenus ?

Les résultats sont donnés en aire sous la courbe, une note entre 0,5 (le hasard) et 1 (un test parfait). CheXNeXt fait aussi bien que les radiologues pour 10 anomalies et mieux pour une, l'atélectasie (0,862 contre 0,808).

Elle fait moins bien pour 3 anomalies : la cardiomégalie (un cœur trop gros), l'emphysème (des poumons abîmés et trop gonflés) et la hernie hiatale (une partie de l'estomac remontée dans le thorax). Ces anomalies étaient rares dans les images d'entraînement.

Pour les masses et les nodules, signes possibles d'un cancer du poumon, l'IA en a trouvé une plus grande part que les radiologues confirmés. Enfin, elle a lu les 420 radios en 1,5 minute, contre 240 minutes en moyenne pour les radiologues, et produit des cartes de chaleur qui montrent la zone de l'image qui l'a alertée.

Qu'est-ce que cela pourrait changer pour les patients ?

Selon les auteurs, une telle IA pourrait servir à trier les examens, pour que les radios des patients les plus malades soient lues en premier. Elle pourrait aussi aider là où il n'y a pas de radiologue, par exemple pour repérer des signes de tuberculose ou des nodules du poumon.

Le radiologue garde le dernier mot. Pour un patient, l'enjeu serait un compte rendu plus rapide, surtout dans les endroits où les spécialistes manquent.

Quelles sont les limites de cette étude ?

L'étude est rétrospective : elle porte sur des images anciennes, toutes issues d'un seul établissement. Rien ne garantit que l'IA fasse aussi bien ailleurs. Les radiologues et l'IA n'avaient que la radio de face, sans l'histoire du patient ni ses examens précédents, alors qu'un radiologue s'en sert normalement.

Le test ne reproduit donc pas la vraie pratique. Les auteurs précisent qu'il faut maintenant tester l'algorithme de façon prospective, dans de vrais services, avant tout usage pour soigner.