Mémoires Année : 2022

Artificial intelligence in traumatological emergencies

L’intelligence artificielle au sein des urgences traumatologiques

Résumé

Within the Emergency Department, 3.7% to 4.1% of fractures are misdiagnosed, and 70% to 80% of omitted diagnoses in the emergency room concern fractures. This can have serious consequences for the patient and also for the care structure. During emergencies, X-rays are often read out of necessity by emergency medicine clinicians who lack subspecialty expertise in radiology and orthopaedics. In addition, the continuous high flow of patients in the emergency room causes fatigue and susceptibility to misinterpretations. Artificial Intelligence could be used to help emergency physicians cope with the volume and workload that continues to increase in imaging. Thus, we will conduct this study to evaluate the performance of an Artificial Intelligence software in evaluating skeletal fractures under real conditions of use and to define its potential uses in clinical practice. Materials and methods: This prospective study was conducted on 1808 X-rays of 1523 patients who consulted in the ER of the Hopital Sud de Grenoble from April 26 to June 18, 2022. X-rays of minor patients, as well as X-rays of the spine, thorax and skull, were not included. The Gold Standard was defined as the final diagnosis delivered by a senior orthopaedist, blind to the algorithm's prediction. The Artificial Intelligence software algorithm was evaluated by comparing the Gold Standard and the prediction delivered by the algorithm. We sought to assess whether there is a relationship between the accuracy of artificial intelligence software and qualitative criteria such as age, sex and anatomical region. Results: With Cohen's Kappa calculated at 0.81, there is near perfect agreement between the senior orthopaedic surgeon's diagnosis and the artificial intelligence software's prediction. The radiological interpretation by the AI software shows, with reference to the Gold Standard, a sensitivity of 89.5% and a specificity of 92.5%. The results of the study further highlight a low sensitivity when interpreting knee and leg X-rays by AI. The performance of AI software declines significantly with age. Gender has no significant impact on software performance. Conclusion: Artificial intelligence is a way to improve the diagnostic performance of emergency doctors in the interpretation of x-rays of the skeleton, especially junior doctors, which could partially compensate for the lack of available specialists. Nevertheless, the doctor must remain in control of his diagnosis, and AI must remain a diagnostic tool to rely on when needed.
Au sein du Service d’Accueil des Urgences (SAU), jusqu’à 40 % des diagnostics omis sont des fractures. Il peut en résulter de lourdes conséquences pour le patient et également pour la structure de soin. Les radiographies dans les situations d'urgence sont souvent lues par nécessité par des cliniciens en médecine d'urgence qui manquent d'expertise surspécialisée en radiologie et en traumatologie. De plus, le flux continu élevé de patients dans les urgences cause une fatigue et une susceptibilité aux erreurs d’interprétation. L’intelligence artificielle pourrait être utilisée comme un outil d’aide aux urgentistes afin de faire face au volume et à la charge de travail sans cesse croissante (4). Ainsi, nous souhaitons mener cette étude afin d'évaluer les performances d'un logiciel d’intelligence artificielle dans l'évaluation des fractures dans des conditions réelles d’utilisation et de définir sa place dans la démarche diagnostique. Matériels et méthodes : Cette étude prospective monocentrique a été menée sur 1808 radiographies standards de 1523 patients ayant consulté aux urgences de l’hôpital Sud du CHU de Grenoble du 26 avril au 18 juin 2022. Les radiographies de patients mineurs, ainsi que les radiographies du rachis, du thorax du crâne et de la face n’ont pas été incluses. Le Gold Standard a été défini comme le diagnostic final délivré par un orthopédiste sénior, lors du staff orthopédique journalier, lorsque toutes les radiographies réalisées aux urgences la veille sont relues. L'algorithme du logiciel d’intelligence artificielle a été évalué en comparant le Gold Standard et la prédiction délivrée par l'algorithme. Nous avons cherché à évaluer s’il existe une relation entre la précision du logiciel d’intelligence artificielle et des critères qualitatifs comme l’âge, le sexe et la région anatomique. Résultats : Avec un Kappa de Cohen calculé à 0.81, il existe un accord presque parfait entre le diagnostic du chirurgien orthopédique sénior et la prédiction du logiciel d’intelligence artificielle. L’interprétation radiologique par le logiciel d’IA affiche, en référence au Gold Standard, une sensibilité de 89.5% et une spécificité de 92,5 %. Les résultats de l’étude mettent en évidence une plus faible sensibilité lors de l’interprétation par l’IA des radiographies du genou et de la jambe. Les performances du logiciel d’IA diminuent avec l’âge. Le sexe n’a pas d’impact sur les performances du logiciel. Conclusion : L’intelligence artificielle est une piste d’amélioration des performances diagnostiques des médecins urgentistes dans l’interprétation des radiographies osseuses, notamment des docteurs juniors, et qui pourrait partiellement palier au manque de spécialistes disponibles. Néanmoins, le médecin doit rester maître de son diagnostic, et l’IA doit rester un outil d’aide au diagnostic sur lequel s’appuyer en cas de besoin.
Fichier principal
Vignette du fichier
2022GRAL5078_calandre_marion_dif.pdf (8.17 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

dumas-04176781 , version 1 (27-09-2023)

Identifiants

Citer

Marion Calandre. L’intelligence artificielle au sein des urgences traumatologiques. Médecine humaine et pathologie. 2022. ⟨dumas-04176781⟩
213 Consultations
251 Téléchargements

Partager

More