Évaluation rétrospective des performances diagnostiques des radiologues et urgentistes comparées à une intelligence artificielle pour la détection des fractures de l'extrémité supérieure du fémur et du bassin en radiographie standard
- Authors
- Publication Date
- Jul 01, 2022
- Source
- HAL-Descartes
- Keywords
- Language
- French
- License
- Unknown
- External links
Abstract
Objectif : évaluer les performances diagnostiques de l’intelligence artificielle (IA), des radiologues et des urgentistes sans et avec l’aide de l’IA pour la détection radiographique des fractures du bassin et en particulier des fractures de l’extrémité supérieure du fémur (FESF).Matériels et méthode : dans cette étude rétrospective, 940 radiographies standard ont été incluses dans l'étude de patients âgés de plus de 60 ans et admis dans un service d'urgence de mars 2020 à juin 2021 pour traumatisme du bassin. Un radiologue junior était chargé de lire les radiographies et de compléter un recueil de données en précisant les résultats de l’IA seule et ses propres résultats issus de ses lectures non assistées puis assistées par l’IA. Ce même radiologue junior et deux autres praticiens, un radiologue sénior et un médecin urgentiste, ont ensuite revu 100 examens en utilisant la même méthodologie. Le gold standard prenait en compte le suivi clinique, chirurgical et radiologique. La sensibilité et la spécificité de l’IA seule et des lectures non assistées et assistées par l’IA dans la détection de FESF et plus globalement du bassin ont été comparées au moyen de tests t de Student appariés après calcul de la moyenne des performances de chaque lecteur, ce qui a permis de comparer les différents lecteurs. Résultats : un total de 940 patients (âge moyen 83 +/- 10 ans, 648 femmes) a été inclus pour l'analyse. 539 patients (57 %) avaient au moins une fracture du bassin, avec un total de 633 fractures dont 370 étaient des FESF (58 %). Pour la détection des FESF, l'IA a permis d'augmenter la sensibilité du radiologue junior (+3,2 % ; 95 % CI : 1.43 ; 5.07 ; p < 0.001) et surtout de l’urgentiste (+10,81 % ; 95 % CI : 0,31 ; 21,31 ; p = 0.04). La spécificité dans l'analyse avec IA n'a été légèrement diminuée que dans la première lecture du radiologue junior (-1,99 % ; IC 95 % : 0,62 ; 3,37 ; p = 0,005), mais est restée la même chez l'urgentiste (+0 % ; p = 1) et dans la deuxième lecture du radiologue junior (-2,32 % ; IC 95 % : -2,37 ; 7,02 ; p = 0,32). L'IA n'a pas modifié la sensibilité du radiologue senior (+0 % ; p = 1) mais a légèrement augmenté sa spécificité (+2,32 % ; IC 95 % : -8,43, 14,17 ; p = 0,15). Des résultats similaires ont été trouvés pour les fractures du bassin dans leur ensemble.Conclusion : l’IA améliore les performances diagnostiques du radiologue junior (+3,2 % de Se) et surtout de l’urgentiste (+10,81 % de Se) dans le dépistage des fractures de l’extrémité supérieure du fémur, qui sont en première ligne dans la prise en charge des patients aux urgences. Résultats clés : ▪ l'aide de l'intelligence artificielle (IA), en entourant les zones de fractures suspectes sur les radiographies du bassin, augmente la sensibilité du radiologue junior (+3,2 %) et surtout de l’urgentiste (+10,81 %) dans la détection des fractures de l’extrémité supérieure du fémur, ce qui en fait un bon outil d’aide au dépistage pour les radiologues juniors et les urgentistes.
