Skip to Main content Skip to Navigation
Master Thesis

Radiographies pédiatriques traumatiques et concordance diagnostique : junior, sénior et logiciel d’intelligence artificielle

Résumé : Introduction : les suspicions de fractures du squelette appendiculaire, représentent le premier motif de consultation au sein des urgences pédiatriques. Or, le territoire français présente une carence en radiologues avec une forte disparité territoriale d’autant plus marquée concernant la radiologie pédiatrique. Ce manque de praticiens spécialisés, se traduit fréquemment par l’interprétation des radiographies pédiatriques par les médecins urgentistes sans avis immédiat radiologique. Cette organisation est source d'erreurs de diagnostic. L’objectif de cette étude comparative est de démontrer qu’il est possible de pallier partiellement la faible démographie de radiologues spécialisés en radio pédiatrie grâce à un radiologue généraliste aidé d’un logiciel d’intelligence artificielle. Matériels et Méthodes : un échantillon de quatre séries de 100 examens radiographiques pour traumatismes des principales articulations que sont le genou, la cheville, le coude et le poignet, issues de patients âgés de moins de 16 ans, reçus au service des urgences pédiatriques de l’Hôpital Nord de Marseille, a été recueilli. Cet échantillon d’examens, correspondant à 804 radiographies, associées aux informations cliniques disponibles sur le « bon d’examen », rédigé par le médecin urgentiste, a été interprété par un Professeur universitaire spécialisé en radio pédiatrie ayant plus de 20 ans d’expérience, représentant le gold standard, et un Interne de radiologie, en fin de cursus. Par la suite, les imageries médicales ont été extraites du serveur de l’Assistance Public Hôpitaux de Marseille, anonymisées et envoyées, de manière sécurisée, à la société Gleamer. Après traitement de ces examens, par le logiciel d’aide à la détection de fracture Boneview, l’Interne a réalisé une nouvelle interprétation, en aveugle de sa précédente analyse. Les comptes rendus résultants desdites interprétations, rédigés par l’Interne et les Professeurs universitaires de radio pédiatrie, ont été classés de manière binaire en deux catégories : « présence d’une fracture ou doute sur l’existence d’une fracture » versus « pas de fracture visible sur l’imagerie ». Suite à ces interprétations un tableau de contingences a été construit, permettant d’extraire les données de performance diagnostique. La concordance diagnostique a également été évaluée grâce au calcul du coefficient Kappa de Cohen. La significativité des résultats a ensuite été mesurée grâce à un test de Student sur données appariées. Résultats : le concours du logiciel d’aide à la détection de fracture a amélioré la performance diagnostique de l’Interne. Sa sensibilité de détection s’est significativement accrue passant de 0.82 à 0.94 (différence absolue : 0.12 ; intervalle de confiance à 95% [+0.1271 ; +0.1076]). La valeur prédictive négative est également, de manière non significative, améliorée. Toutefois, le pendant, non significatif, de cette amélioration est une baisse de la spécificité et de la valeur prédictive positive. Plus concrètement, l’aide de l’IA a permis, sur 400 examens radiologiques, de détecter 14 dossiers faussement classés en « absence de fracture » par l’Interne, lors de sa première interprétation. En outre, sans significativité statistique, la concordance diagnostique de l’Interne avec le Professeur de radio pédiatrie, s’est également accrue passant de 0.76, sans l’aide l’IA, à 0.83 (différence absolue : 0.06 ; intervalle de confiance à 95% [0.1548 ; -0.031]). Conclusion : la présente étude démontre que l’utilisation d’un logiciel d’intelligence artificielle permet à un Interne de radiologie, en fin de cursus, d’améliorer ses performances diagnostiques avec un Professeur de radio pédiatrie expérimenté concernant la détection de fractures sur des radiographies traumatiques pédiatriques avec une amélioration significative de la sensibilité de détection. La généralisation de cet outil permettrait aux radiologues, non spécialisés en pédiatrique, de réaliser des interprétations plus efficientes. La qualité et la sécurité des soins fournis dans les centres sous dotés en spécialistes, s’en trouveraient améliorées.
Complete list of metadata

https://dumas.ccsd.cnrs.fr/dumas-03367603
Contributor : Faculté de Médecine Amu Connect in order to contact the contributor
Submitted on : Wednesday, October 6, 2021 - 11:43:15 AM
Last modification on : Wednesday, October 13, 2021 - 3:27:21 AM

File

These Antoine PLANCHE.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : dumas-03367603, version 1

Collections

Citation

Antoine Planche. Radiographies pédiatriques traumatiques et concordance diagnostique : junior, sénior et logiciel d’intelligence artificielle. Sciences du Vivant [q-bio]. 2021. ⟨dumas-03367603⟩

Share

Metrics

Record views

7