Performance d’une suite d’IA radiographique complète sur 258 373 radiographies provenant de 26 pays : une évaluation mondiale
Objectif
L’imagerie radiographique est l’outil d’imagerie principal pour évaluer la présence d’une anomalie, avec deux objectifs principaux : la détection et la caractérisation. Cette étude présente une évaluation rétrospective, internationale et multicentrique à grande échelle d’une suite complète d’IA radiographique dans divers contextes cliniques.
Méthodes
Les radiographies de janvier 2022 à avril 2025 ont été collectées auprès de plusieurs centres dans 26 pays répartis sur 5 continents. Toutes les images ont été traitées par la suite d’IA Rayvolve développée par AZmed (Paris, France). Deux lecteurs ont annoté chaque examen, et la concordance entre les lecteurs a été retenue comme référence. En cas de désaccord, un troisième lecteur senior a pris la décision finale. Les indicateurs de performance clés incluaient l’aire sous la courbe ROC (AUC), la sensibilité et la spécificité pour AZtrauma et AZchest ; l’erreur absolue moyenne (MAE) et le biais pour AZmeasure ; ainsi que la MAE et le r² pour AZboneage. Une analyse en sous-groupes a été réalisée selon l’âge, le sexe et le pays d’acquisition des patients.
Résultats
Au total, 258 373 radiographies ont été analysées. L’algorithme AZtrauma a obtenu une AUC de 98,3 % avec une sensibilité globale de 97,4 % et une spécificité de 96,4 %. L’AUC d’AZchest était de 97,8 %, associée à une sensibilité de 96,7 % et une spécificité de 87,9 %. Les mesures automatisées d’AZmeasure ont montré une excellente concordance avec les radiologues (MAE = 1,8° et 1,1 mm). Les prédictions d’AZboneage étaient fortement corrélées à la référence (MAE = 0,5 an). La performance est restée élevée dans tous les sous-groupes, sans baisse significative.
Conclusion
La suite d’IA a démontré une performance robuste et généralisable dans divers environnements cliniques.
