L’IA remplacera-t-elle les radiologues ? Ce que l’IA en radiologie peut et ne peut pas faire
- Pauline Beaumel, AZmed
L’IA en radiologie soutient un diagnostic plus rapide et plus précis. Lisez cet article pour découvrir comment radiologues et IA travaillent ensemble et pourquoi l’un ne remplace pas l’autre.
« Il faudrait arrêter de former des radiologues dès maintenant. Il est tout simplement évident que d’ici 5 ans, l’apprentissage profond fera mieux que les radiologues. » C’est ce qu’a déclaré en 2016 l’informaticien britannique et lauréat du prix Nobel, Geoffrey Hinton.
Cette déclaration a suscité un débat sans fin, les médias étant prompts à dépeindre l’IA comme un remplacement plutôt qu’un soutien pour les professionnels de santé.
Avance rapide jusqu’en 2025, où la réalité quotidienne est bien différente. Les volumes d’imagerie continuent d’augmenter, les équipes de traumatologie ont besoin de lectures 24h/24, et les services de radiologie partout sont mis à rude épreuve. Cette pression se traduit par des arriérés, des délais de traitement plus longs, et le risque constant d’erreurs liées à la fatigue.
Il n’est donc pas surprenant que la question persiste : si les radiologues ne peuvent pas suivre le rythme, les machines vont-elles prendre leur place ? La réponse honnête est non.
Ce que nous observons plutôt, c’est un basculement vers la collaboration : l’IA travaillant aux côtés des radiologues pour rendre une charge de travail ingérable gérable, sans remplacer l’expertise que seuls les humains apportent aux soins aux patients.
Pourquoi le débat entre l’IA et les radiologues persiste-t-il ?
Depuis l’introduction de l’IA, le débat sur le remplacement d’une profession par l’IA fait rage. Et cela s’applique aussi à la radiologie.
En 2016, le lauréat du prix Nobel de physique, Geoffrey Hinton, a affirmé avec assurance que l’IA remplacerait complètement les radiologues d’ici 5 ans. Ces affirmations étaient globalement correctes en ce que la technologie aurait un impact significatif sur les rôles des radiologues, mais pas en tant que destructrice d’emplois.
Les affirmations selon lesquelles l’IA remplacerait les radiologues reposent sur une incompréhension fondamentale de ce que font réellement les radiologues.
Lors de la réalisation d’un examen d’imagerie, les radiologues prennent en compte l’historique du patient, les symptômes, les imageries antérieures, les résultats de laboratoire, et les plans de traitement pour établir un diagnostic. Ils assistent également d’autres professionnels de santé grâce à leurs résultats, tout en portant la responsabilité juridique de leurs interprétations.
Des études montrent une pénurie croissante de radiologues aux États-Unis. Et c’est là que l’utilisation de l’IA peut aider les centres de santé.
Que peut faire l’IA de façon fiable aujourd’hui en radiologie ?
Le débat autour de l’IA en radiologie est largement alimenté par les résultats impressionnants des réseaux de neurones à apprentissage profond dans les tâches de reconnaissance d’image. Les outils d’IA, comme ceux de la suite IA Rayvolve®, ont pu apprendre à partir de grandes quantités de données et ont démontré des capacités remarquables pour permettre une détection précoce de pathologies, réduire les taux de faux positifs pouvant fatiguer l’œil humain, et orienter des plans de traitement plus précis. Voici comment :
- AZtrauma : Faisant partie de la suite Rayvolve®, AZtrauma est marqué CE et autorisé par la FDA. C’est la solution d’IA en radiologie de référence pour la détection des fractures, luxations et épanchements articulaires sur les radiographies. AZtrauma est cliniquement validé par les meilleures institutions à travers les États-Unis et permet d’atteindre jusqu’à 83 % de réduction du délai de traitement (TAT) dans les centres de santé.
- AZchest : Ce produit est marqué CE et autorisé par la FDA (pour deux applications et trois indications). Il a gagné en popularité grâce à sa capacité à catégoriser, détecter et signaler automatiquement les principales anomalies cardiaques et pulmonaires sur les radiographies. Il aide les radiologues à détecter des pathologies telles que l’œdème pulmonaire, la cardiomégalie et l’épanchement pleural, entre autres.
- AZmeasure : AZmeasure fournit une caractérisation automatisée des géométries ostéo-articulaires, y compris les longueurs et positions angulaires. Cet outil marqué CE aide à détecter des pathologies telles que la scoliose, l’hallux valgus, la dysplasie de la hanche et le conflit fémoro-acétabulaire.
- AZboneage : Un autre outil d’IA en radiologie marqué CE qui aide les radiologues à automatiser le calcul de l’âge osseux des patients pédiatriques, basé sur l’atlas de Greulich & Pyle. Il s’intègre parfaitement aux flux de travail cliniques. Le produit effectue également des comparaisons statistiques entre l’âge osseux et l’âge chronologique des patients.
Des outils d’IA en radiologie comme ceux-ci aident à optimiser une grande partie des tâches manuelles que les radiologues effectuent tout au long de leur journée.
Que ne peut pas faire l’IA en radiologie ?
Malgré les déclarations audacieuses de 2016 et les bénéfices des outils d’IA en radiologie, certaines choses ne peuvent être faites que par les radiologues.
Communiquer les résultats aux patients
Une part importante du rôle de tout clinicien est de communiquer les résultats aux patients. Il s’agit de les rassurer lorsqu’ils sont anxieux, de discuter des prochaines étapes, de répondre aux préoccupations, et de coordonner le suivi. Ces conversations nécessitent empathie, adaptabilité, et une communication nuancée que l’IA ne peut tout simplement pas fournir.
Évaluer les résultats d’imagerie au regard du contexte clinique
Les résultats dans le domaine médical ne sont pas simplement noir ou blanc et nécessitent souvent un contexte avant que les radiologues puissent suggérer la bonne conduite à tenir. Alors que l’IA peut indiquer qu’un patient présente une anomalie pulmonaire sur une radiographie, c’est le rôle du radiologue de la comparer aux examens antérieurs, de considérer la réponse du patient au traitement, de noter les changements cliniques depuis la dernière imagerie, et d’ajuster son interprétation en conséquence.
Et si les résultats semblent incohérents avec la présentation clinique, les radiologues contactent d’autres professionnels pour discuter du cas.
Assumer la responsabilité juridique des soins aux patients
La responsabilité juridique et éthique envers les patients est un autre domaine où l’IA ne peut pas remplacer les radiologues. Car quelqu’un doit en définitive répondre des décisions diagnostiques, accepter la responsabilité des erreurs, et naviguer dans le paysage médico-légal de la pratique médicale. Les outils d’IA ne peuvent tout simplement pas assumer ces responsabilités.
Fournir un jugement nuancé
Comme pour le point discuté ci-dessus sur le contexte clinique, l’IA ne peut pas non plus fournir de jugement nuancé pour l’instant. Par exemple, si un patient est diagnostiqué avec un pneumothorax et a également souffert d’une infection récente, c’est l’expérience du radiologue qui dictera la bonne conduite à tenir. Il priorisera les soins urgents, suggérera les prochaines étapes, et reconnaîtra parfois l’incertitude diagnostique plutôt que de forcer des conclusions.
Cette tolérance à l’ambiguïté et cette capacité à raisonner à partir d’informations incomplètes restent typiquement humaines, car l’IA est connue pour halluciner lorsqu’elle manque d’informations, ce qui peut souvent conduire à des diagnostics erronés.
Ce sont là tous des aspects du métier de radiologue que l’IA ne peut pas encore remplacer. Mais comme nous l’avons vu, l’IA peut certainement réduire le travail manuel afin que les radiologues puissent se concentrer sur ces compétences plutôt que sur la génération d’interprétations.
Et c’est pourquoi les centres médicaux du monde entier adoptent des outils d’IA en radiologie. Pour redonner aux radiologues le temps dont ils ont besoin pour offrir de meilleurs soins.
Choisir les bons outils peut faire toute la différence.
La validation clinique comme facteur différenciant dans le choix des outils d’IA
Depuis la déclaration de 2016, il y a eu une vague de recherche et développement en IA pour la radiologie, avec des centaines d’articles publiés chaque année, des dizaines de start-ups fondées, et des millions de dollars investis.
Mais tout se résume à une seule question : l’outil fonctionnera-t-il dans le flux de travail quotidien d’un radiologue tout en donnant des résultats précis ?
Un outil qui fonctionne en théorie est très différent d’un outil qui tient bon sous la pression d’un service d’urgence chargé ou face à la variabilité de l’imagerie en conditions réelles.
C’est pourquoi les outils que vous choisissez doivent disposer d’une autorisation réglementaire. Les marquages CE et les autorisations FDA sont des approbations réglementaires essentielles pour les outils médicaux, permettant leur vente dans l’Union européenne et aux États-Unis respectivement. Ces autorisations garantissent que les outils ont passé des normes rigoureuses de sécurité et de performance. Mais qu’un outil ait passé une autorisation est une chose, qu’il soit utilisé par les radiologues en est une autre.
La suite Rayvolve® d’AZmed (AZtrauma, AZchest, AZmeasure, AZboneage) répond à ces normes.
Ces solutions ont été validées cliniquement sur plusieurs continents, et surtout, sont déjà intégrées aux flux de travail quotidiens de milliers de radiologues. Comme elles se connectent directement au PACS/RIS, elles n’ajoutent pas de charge cognitive supplémentaire ni ne nécessitent de formation à de nouveaux systèmes. Elles fonctionnent simplement en arrière-plan, en soutenant votre pratique actuelle.
AZmed et les radiologues : construire l’avenir ensemble
L’IA change définitivement le rôle des radiologues. Mais le débat entre IA et radiologues ne consiste pas à choisir entre humains et machines ; il s’agit de décider comment travailler plus intelligemment avec les ressources dont nous disposons.
Comme vous l’avez vu à travers les outils d’AZmed, l’IA en radiologie est particulièrement adaptée aux parties répétitives et sensibles au facteur temps du métier. Elle peut aider à réduire l’épuisement professionnel et garantir que les radiologues consacrent leur temps à ce qu’ils font de mieux : offrir des soins aux patients.
Dans une interview accordée au New York Times, le Dr Halamka, optimiste vis-à-vis de l’IA, l’a formulé ainsi : « Dans cinq ans, ce sera une faute professionnelle que de ne pas utiliser l’IA », a-t-il déclaré. « Mais ce seront les humains et l’IA qui travailleront ensemble. »
Et c’est là que des solutions comme Rayvolve® offrent aux radiologues le soutien dont ils ont besoin pour rester à la pointe sans compromettre la précision ou la confiance des patients. C’est là le véritable avenir de la radiologie : non pas le remplacement, mais le partenariat.
Découvrez comment Rayvolve® aide les radiologues à suivre le rythme de la demande croissante en imagerie. Réservez une démonstration avec notre équipe dès aujourd’hui.
Questions fréquentes
L’IA remplacera-t-elle les radiologues à l’avenir ?
L’IA ne remplacera pas les radiologues. L’IA est un outil qui soutient les radiologues en automatisant l’analyse répétitive d’images, en diminuant la fatigue, et en augmentant la précision diagnostique, mais les radiologues resteront toujours nécessaires pour le jugement clinique, la communication avec les patients, et le diagnostic final.
Pourquoi pense-t-on que l’IA pourrait remplacer les radiologues ?
L’idée que l’IA pourrait remplacer les radiologues est née de projections précoces et univoques selon lesquelles l’apprentissage profond surpasserait les humains dans l’interprétation d’images. L’IA peut analyser des images médicales rapidement, mais elle est limitée car elle ne comprend pas le contexte clinique, ne peut pas faire preuve d’empathie, et ne porte aucune responsabilité juridique.
Quelles sont les limites de l’IA en radiologie ?
L’IA ne comprend pas le contexte du patient, ne dispense pas de soins, et n’assume pas de responsabilité juridique pour les diagnostics. L’IA ne gère pas non plus bien les cas ambigus ou les pathologies rares nécessitant jugement humain et compassion, et ne peut pas porter de jugements éthiques sur les cas ou les choix de traitement.
Comment l’IA améliore-t-elle les flux de travail en radiologie ?
L’IA simplifie le flux de travail en triant les cas critiques, en raccourcissant les délais de traitement (TAT), et en automatisant les mesures et la rédaction de comptes rendus, permettant ainsi aux radiologues de consacrer du temps à des activités à plus forte valeur ajoutée, comme les cas complexes et les soins aux patients.
Qu’est-ce que la suite IA Rayvolve® ?
Rayvolve® est la suite d’IA marquée CE et autorisée par la FDA d’AZmed, conçue pour un usage en radiographie de routine. La suite IA Rayvolve® comprend quatre modules : AZtrauma pour la détection de fractures, AZchest pour l’analyse thoracique, AZmeasure pour les mesures ostéo-articulaires, et AZboneage pour l’estimation de l’âge osseux chez les patients pédiatriques.
Que sont les marquages CE et les autorisations FDA en IA médicale ?
Le marquage CE indique que les dispositifs médicaux peuvent être commercialisés et vendus dans l’Union européenne. L’autorisation FDA signifie que le dispositif est autorisé pour un usage aux États-Unis. Le marquage CE et les autorisations FDA sont tous deux des voies réglementaires indiquant que l’outil d’IA a respecté des normes rigoureuses de sécurité et de performance, tout en faisant l’objet d’une validation clinique.
Quelle est la précision des outils d’IA dans la détection de fractures ?
Dans des études cliniques, les algorithmes d’IA ont montré des sensibilités supérieures à 95 % dans l’identification de fractures. Par exemple, AZtrauma a atteint une sensibilité de 95,6 % et une spécificité de 91,6 % dans l’identification de fractures osseuses sur des jeux de données petits, moyens et grands.
Quel est le rôle de l’IA dans l’analyse des radiographies thoraciques ?
Les outils d’IA (par exemple AZchest) détectent et classent automatiquement les anomalies pulmonaires et cardiaques telles que le pneumothorax, l’épanchement pleural, et la cardiomégalie, pour faciliter un diagnostic précoce et améliorer l’efficacité de l’interprétation des radiographies thoraciques.
L’IA peut-elle détecter des résultats subtils ou manqués sur les radiographies ?
Oui. L’IA peut identifier des pathologies subtiles qui peuvent parfois être négligées lors de vacations chargées. Un exemple est Rayvolve®, qui a démontré sa capacité à identifier des microfractures (par exemple une fracture de stress) et de petits nodules potentiellement manqués lors d’une interprétation humaine.
Pourquoi la validation clinique est-elle importante pour les outils d’IA en radiologie ?
La validation clinique garantit que les modèles d’IA produisent des performances fiables dans des conditions réelles diverses, sur des populations de patients variées et différents systèmes d’imagerie. Sans validation clinique, il est possible que l’outil d’IA ne produise pas de résultats diagnostiques cohérents ou sûrs.
Quelle est la différence entre le triage par IA et l’IA diagnostique ?
Le triage par IA place les cas critiques, comme les fractures ou le pneumothorax, en haut de la liste de travail du radiologue. L’IA diagnostique, elle, fournit des résultats structurés pour aider à la préparation des comptes rendus et à la planification du traitement.
Comment fonctionne le compte rendu assisté par IA en radiologie ?
Le compte rendu assisté par IA pré-remplit automatiquement des champs structurés, comme « Résultats » et « Impressions », dans les comptes rendus de radiologie. Les radiologues révisent et modifient ensuite les brouillons obtenus, ce qui leur évite une saisie manuelle importante tout en conservant l’entière paternité clinique du compte rendu.
Comment l’IA s’intègre-t-elle aux systèmes PACS/RIS ?
Des solutions d’IA comme Rayvolve® s’intègrent directement aux systèmes PACS et RIS existants, ce qui permet aux examens nécessitant un triage d’être automatiquement acheminés vers un radiologue, ou aux examens dont les résultats sont attendus d’être automatiquement acheminés vers le prestataire de soins actuel avec les résultats visualisés automatiquement ; le tout en limitant la perturbation du flux de travail pour le radiologue et/ou le technicien.
Quelles limites juridiques ou éthiques empêchent l’IA de remplacer les radiologues ?
L’IA ne peut être tenue légalement responsable d’aucun diagnostic médical, ni être tenue responsable de la gestion des risques médicaux liés à la santé d’un patient. Seuls les médecins agréés peuvent être tenus responsables des décisions médicales, ce qui implique un travail au nom du prestataire de soins concernant le diagnostic et/ou la méthodologie de pronostic du patient. Les systèmes d’IA ne sont pas un complément à la pratique médicale destiné à remplacer le travail diagnostique humain ; l’IA est destinée à être un outil supplémentaire pour un médecin agréé.
L’IA peut-elle améliorer la cohérence diagnostique entre services de radiologie ?
Oui. L’IA standardise les interprétations en appliquant les mêmes critères de décision à tous les cas. Cela réduit la variabilité entre lecteurs et garantit des comptes rendus cohérents entre services, vacations, et sites.
Quelle est l’ampleur de l’adoption de l’IA en radiologie aujourd’hui ?
L’IA en radiologie se développe rapidement, avec des outils comme Rayvolve® déployés dans plus de 2 500 établissements de santé dans plus de 55 pays. L’adoption continue de croître à mesure que les preuves de sécurité, de précision, et de bénéfices pour le flux de travail s’accumulent.
Quel est l’avenir de la collaboration entre l’IA et la radiologie ?
L’avenir réside dans la collaboration, non le remplacement. L’IA continuera de prendre en charge l’analyse d’image répétitive et sensible au facteur temps, tandis que les radiologues se concentreront sur le raisonnement clinique, l’interaction avec les patients, et la prise de décision.
Informations réglementaires
* AZchest is CE-marked for detection of abnormalities on chest X-rays such as: consolidation, pleural effusion, pneumothorax, cardiomegaly, acute pulmonary edema, ribs fractures and pulmonary nodules. It’s also FDA-cleared for two applications: detection of lung nodules (with Rayvolve LN) and notification and triage for pneumothorax and pleural effusion (with Rayvolve PTX-PE)EU - Rayvolve: Medical Device Class IIa in Europe (CE 2797) in compliance with the Medical Device Regulation (2017/745). Rayvolve is a computer-aided diagnosis tool, intended to help radiologists and emergency physicians to detect and localize abnormalities on standard X-rays.US - Medical device Class II according to the 510K clearances. Rayvolve: is a computer-assisted detection and diagnosis (CAD) software device to assist radiologists and emergency physicians in detecting fractures during the review of radiographs of the musculoskeletal system. Rayvolve is indicated for the adult and pediatric population (≥ 2 years).Rayvolve PTX/PE: is a radiological computer-assisted triage and notification software that analyzes chest x-ray images of patients 18 years of age or older for the presence of pre-specified suspected critical findings (pleural effusion and/or pneumothorax). Rayvolve LN: is a computer-aided detection software device to assist radiologists to identify and mark regions in relation to suspected pulmonary nodules from 6 to 30mm size of patients of 18 years of age or older.Caution: The data mentioned are sourced from internal documents, internal studies and literature reviews. Carefully read the instructions for use before use. AZmed 10 rue d’Uzès, 75002 Paris - www.azmed.co - RCS Laval B 841 673 601© 2025 AZmed – All rights reserved. MM-25-37
