L’outil d’aide au diagnostic d’Intelligence artificielle de la société AZmed, capable de détecter les fractures sur radiographie standard, a reçu la certification de la Food and Drug Administration (FDA) américaine.
La solution Rayvolve est présentée par ses concepteurs comme un outil d’aide au diagnostic qui s’intègrerait plus facilement dans la routine clinique des médecins. Une fois qu’un patient réalise un examen radiographique, il serait ainsi plus facile d’identifier les fractures et de présenter les résultats directement dans la console d’interprétation des médecins.
La solution serait aujourd’hui utilisée dans plus de 300 centres de soins dans 21 pays différents à travers le monde.
UN OUTIL D’AIDE AU DIAGNOSTIC
University Hospitals (UH) a mené une étude à Cleveland, dans l’Ohio, qui a joué un rôle essentiel dans la démonstration de l’efficacité du produit et qui a été examinée dans le cadre de la certification FDA.
Pour aider à valider le logiciel, des radiologues musculo-squelettiques ont lu et annoté des fractures sur 2 626 radiographies d’épaules, de bras et de jambes de patients prises sur quatre sites de l’université américaine, dont au moins 140 examens par région du corps. Ces évaluations ont servi de “vérité de base” par rapport à laquelle Rayvolve devait être jugé.
Ensuite, trois groupes différents de médecins de UH ont été invités à identifier des fractures dans 186 cas choisis au hasard, avec et sans l’aide de l’outil d’IA. L’équipe de recherche a ensuite comparé les différences en termes de précision de détection des fractures, de sensibilité, de spécificité et de temps d’interprétation avec et sans l’outil d’IA.
“UH s’engage à apporter une technologie de pointe à la pratique clinique, cet outil ne remplace pas le rôle du médecin dans la prestation des soins de santé, mais améliore plutôt les capacités du prestataire.”
-DrLeonardo Kayat Bittencourt, MD, PhD, radiologue abdominal et vice-président de l’innovation du département de radiologie de UH, et directeur de UH Radiology AI Collaborative.
UN IMPACT ATTENDU DANS LES HÔPITAUX AMÉRICAINS
Les résultats montrent que parmi tous les médecins de l’étude, la lecture des images à l’aide de la solution Rayvolve aurait augmenté la précision des diagnostics de 5,6 %. Aussi, le temps d’examen et d’interprétation aurait diminué de 27 %.
La sensibilité – la capacité de l’outil d’IA à aider à identifier de vraies fractures et à éviter les faux négatifs – aurait quant à lui été améliorée de 0,865 à 0,955 avec l’aide de l’outil d’IA. Et la spécificité – la capacité de l’outil d’IA à aider à identifier les os sains et à éviter les faux positifs – se serait également améliorée, passant de 0,826 sans l’outil d’IA à 0,831 avec celui-ci.
“L’outil de Deep learning a démontré une précision autonome élevée, une précision diagnostique assistée et une diminution du temps d’interprétation”
– Navid Faraji, MD, radiologue musculo-squelettique à UH et responsable clinique de l’étude
Ce nouvel outil devrait permettre d’optimiser davantage le temps de lecture et le temps de diagnostic des patients présentant des fractures. Il pourrait également contribuer à attirer plus rapidement l’attention du radiologue qui lit la radiographie. Lorsqu’on extrapole sur une population entière, on voit rapidement comment l’utilisation de cet outil serait susceptible de contribuer à diminuer les erreurs médicales et le coût des soins de santé.
“Les hôpitaux et les cliniques sont souvent surchargés par un nombre croissant de radiographies à traiter, nous pouvons donc déjà percevoir l’impact positif d’un tel logiciel pour réduire le temps d’attente, optimiser le flux de travail et sécuriser le diagnostic des patients”
– Julien Vidal, PDG et cofondateur d’AZmed
À ce jour, plus de 2500 radiologues et médecins urgentistes utilisent le logiciel d’IA en routine clinique.
Dans le même sujet:
- Article du 1er juin 2022: Un nouvel outil québécois en IA pour optimiser la détection des cancers du sein
- Article du 26 octobre 2021: Du 7 au 13 novembre, c’est la semaine des technologues en imagerie médicale
- Article du 2 décembre 2020: Un catalyseur pour l’intelligence artificielle en santé
Crédit Image à la Une : Harlie Raethel / Unsplash
Source : AZmed