Une nouvelle IA transforme la radiologie avec une vitesse et une précision jamais vues auparavant
infohightech ·
- Première IA générative entièrement intégrée à la radiologie clinique
- Rédige instantanément des rapports quasi complets et personnalisés à partir de radiographies et de tomodensitogrammes
- Pour les rayons X, la productivité des radiologues a augmenté de 15 % en moyenne — jusqu'à 40 % pour certains
- Signale en temps réel les problèmes potentiellement mortels, comme les poumons affaissés
- Une solution révolutionnaire pour remédier à la pénurie mondiale de radiologues et aux retards de diagnostic
CHICAGO --- Un système d'IA générative unique en son genre, développé en interne chez Northwestern Medicine, révolutionne la radiologie - augmentant la productivité, identifiant les conditions potentiellement mortelles en quelques millisecondes et offrant une solution révolutionnaire à la pénurie mondiale de radiologues, révèle une nouvelle étude de grande envergure.
L’étude a été publiée jeudi (5 juin) dans JAMA Network Open.
« À ma connaissance, il s'agit de la première utilisation de l'IA qui améliore visiblement la productivité, notamment dans le secteur de la santé. Même dans d'autres domaines, je n'ai constaté aucune augmentation proche de 40 % », a déclaré le Dr Mozziyar Etemadi , auteur principal et professeur adjoint d'anesthésiologie à la Feinberg School of Medicine de l'Université Northwestern et de génie biomédical à la McCormick School of Engineering de l'Université Northwestern.
Pour l'étude, le système d'IA a été déployé en temps réel dans le réseau de 11 hôpitaux de Northwestern Medicine aux Etats-Unis, où près de 24 000 rapports de radiologie ont été analysés sur une période de cinq mois en 2024. L'équipe du Docteur Mozziyar Etemadi a ensuite comparé les temps de création des rapports de radiographie et la précision clinique avec et sans l'outil d'IA.
Résultats : une amélioration moyenne de 15,5 % de l’efficacité de la rédaction des comptes rendus de radiographies, certains radiologues atteignant des gains allant jusqu’à 40 %, sans compromettre la précision. Des travaux ultérieurs, encore non publiés, montrent des gains d’efficacité allant jusqu’à 80 % et permettent d’utiliser l’outil pour les scanners. Ce gain de temps a permis aux radiologues de poser des diagnostics beaucoup plus rapidement, notamment dans les cas critiques où chaque seconde compte.
Selon les auteurs de l'étude, il s'agit du premier outil de radiologie générative par IA au monde à être intégré à un flux de travail clinique. C'est également la première fois qu'un modèle d'IA générative démontre à la fois une grande précision et une efficacité accrue pour tous les types de radiographies, du crâne aux orteils.
« Cela a doublé notre efficacité »
Contrairement aux autres outils d'IA actuellement disponibles sur le marché, qui se concentrent sur la détection d'une seule pathologie, le modèle holistique de Northwestern analyse l'intégralité de la radiographie ou du scanner. Il génère ensuite automatiquement un rapport complet à 95 % et personnalisé pour chaque patient, selon le style de reporting propre au radiologue, que ce dernier peut choisir d'utiliser, de consulter et de finaliser. Ces rapports résument les principales conclusions et offrent un modèle pour enrichir le diagnostic et le traitement du radiologue.
« Pour mes collègues et moi, il n'est pas exagéré de dire que cela a doublé notre efficacité. C'est un avantage considérable et un véritable multiplicateur de force », a déclaré le co-auteur, le Dr Samir Abboud , chef du service de radiologie d'urgence à Northwestern Medicine et professeur adjoint de radiologie clinique à Feinberg.
Signalisation des conditions potentiellement mortelles
Outre l'amélioration de l'efficacité, le système d'IA signale en temps réel les pathologies potentiellement mortelles, comme le pneumothorax (affaissement du poumon), avant même que le radiologue n'examine les radiographies. À mesure que le modèle d'IA rédige les rapports pour chaque image, un outil automatisé les surveille pour détecter les résultats critiques et les compare aux dossiers des patients. Si le système identifie une nouvelle pathologie nécessitant une intervention urgente, il peut alerter immédiatement les radiologues.
« Chaque jour, aux urgences, nous pouvons avoir 100 images à examiner, et nous ne savons pas laquelle correspond à un diagnostic susceptible de sauver une vie », a déclaré le Docteur Samir Abboud. « Cette technologie nous permet de trier les patients plus rapidement, ce qui nous permet de détecter les cas les plus urgents plus tôt et d'orienter les patients vers un traitement plus rapide. »
L’équipe de Northwestern adapte également le modèle d’IA pour détecter les diagnostics potentiellement manqués ou retardés, comme le cancer du poumon à un stade précoce.
« Disposer d'un rapport préliminaire, avant même sa consultation par le radiologue, offre des données simples et exploitables, sur lesquelles il est possible d'agir rapidement et efficacement. C'est totalement différent des systèmes de triage traditionnels, qui nécessitent un entraînement minutieux pour chaque diagnostic », précise le docteur Mozziyar Etemadi, également directeur clinique des technologies avancées au département des services d'information de Northwestern Medicine, où son équipe d'ingénierie hospitalière a mené une grande partie de l'étude.
« Pas besoin de compter sur les géants de la technologie »
Plutôt que d'adapter de grands modèles entraînés en ligne comme ChatGPT, les ingénieurs de Northwestern ont construit leur propre système de A à Z à partir de données cliniques issues du réseau Northwestern Medicine. Cela a permis à l'équipe de créer un modèle d'IA léger et agile, spécialement conçu pour la radiologie de Northwestern, plus rapide, plus précis et nécessitant beaucoup moins de puissance de calcul.
« Les systèmes de santé n’ont pas besoin de dépendre des géants de la technologie », précise le premier auteur, le Dr Jonathan Huang, étudiant en troisième année de médecine à Feinberg et titulaire d’un doctorat en génie biomédical de McCormick.
« Notre étude montre que la création de modèles d'IA personnalisés est à la portée d'un système de santé classique, sans recourir à des outils tiers coûteux et opaques comme ChatGPT. Nous pensons que cette démocratisation de l'accès à l'IA est essentielle pour favoriser son adoption à l'échelle mondiale », a ajouté Etemadi.
Le docteur Mozziyar Etemadi dirige une équipe d'ingénierie de type Bell Labs intégrée au système hospitalier, qui a attiré les meilleurs talents des grandes entreprises technologiques et financières.
« Ma plus grande fierté est d'avoir constitué une équipe interdisciplinaire aussi solide, capable de répondre aux priorités les plus importantes du système de santé », souligne le docteur Mozziyar Etemadi. « Nous ne nous contentons pas de faire progresser l'IA en santé ; nous faisons progresser les fondamentaux de l'IA à un coût bien inférieur à celui des grands laboratoires d'IA. C'est le début de l'ère DeepSeek pour l'IA en santé. »
Résoudre une pénurie mondiale
La radiologie devient l'un des principaux goulots d'étranglement du système de santé. D'ici 2033, les États-Unis devraient connaître une pénurie pouvant atteindre 42 000 radiologues , avec une augmentation annuelle des volumes d'imagerie pouvant atteindre 5 %, tandis que les postes d'interne en radiologie n'augmentent que de 2 %. En France, le constat est identique. Les services et cabinets de radiologie nécessitent pour leur bon fonctionnement la présence de techniciens, manipulateurs en électroradiologie médicale (MERM). Pourtant, depuis plusieurs années, les cabinets et services connaissent un déficit de techniciens, avoisinant 12 % des effectifs dans le secteur privé en 2021.
Le système d'IA de Northwestern offre une solution qui aide les radiologues à éliminer les retards et à fournir des résultats en quelques heures au lieu de plusieurs jours. Et si cette technologie est puissante, elle ne remplacera pas l'humain.
« Le radiologue reste la référence absolue », a déclaré Samir Abboud. « La médecine évolue constamment : nouveaux médicaments, nouveaux dispositifs, nouveaux diagnostics ; et nous devons veiller à ce que l’IA suive le rythme. Notre rôle est de garantir que chaque interprétation est adaptée au patient. »
Deux brevets ont été approuvés pour la technologie de Northwestern Medicine, et d'autres sont à divers stades du processus d'approbation. L'outil en est aux premiers stades de commercialisation.
L'étude s'intitule « Efficacité et qualité des rapports radiographiques génératifs assistés par l'IA »