L’intelligence artificielle accélère-t-elle vraiment le diagnostic du cancer du poumon
Une grande étude menée au Royaume-Uni a évalué si l’utilisation de l’intelligence artificielle pour analyser en priorité les radiographies du thorax permettait de détecter plus rapidement le cancer du poumon. Plus de 93 000 radiographies ont été examinées dans cinq hôpitaux différents. Les résultats montrent que l’analyse prioritaire par intelligence artificielle n’a pas réduit le temps nécessaire pour obtenir un scanner ou poser un diagnostic de cancer du poumon.
Les patients dont la radiographie était analysée avec l’aide de l’intelligence artificielle ont attendu en moyenne 53 jours avant de passer un scanner, contre 53 jours également pour ceux dont la radiographie était analysée sans cette priorité. Pour les 558 personnes chez qui un cancer du poumon a été diagnostiqué, le délai moyen pour obtenir ce diagnostic était de 44 jours avec l’intelligence artificielle et de 46 jours sans. Aucune différence significative n’a été observée dans les autres étapes du parcours de soin, comme le temps avant une consultation urgente ou le début du traitement.
L’intelligence artificielle a parfois détecté des anomalies que les radiologues ne voyaient pas, mais dans près d’un tiers des cas, ses conclusions ne correspondaient pas à celles des experts humains. Parmi ces désaccords, environ un quart des examens ont révélé des résultats nécessitant une action médicale. Cependant, même lorsque l’intelligence artificielle signalait une anomalie, cela n’a pas accéléré le processus global de diagnostic.
Les chercheurs soulignent que l’intelligence artificielle peut aider à repérer des signes suspects, mais son utilisation pour prioriser les examens n’a pas eu d’impact mesurable sur la rapidité du diagnostic. Ils recommandent donc de ne pas intégrer systématiquement cette méthode dans les hôpitaux pour le moment. Selon eux, il serait plus efficace d’améliorer l’organisation des parcours de soin, comme le fait de permettre une lecture immédiate des radiographies par un radiologue, ce qui avait déjà montré des résultats prometteurs dans une étude précédente.
L’étude confirme aussi que le délai entre la radiographie et le scanner reste souvent trop long par rapport aux recommandations nationales, en partie à cause du manque de scanners et de personnel spécialisé. Les auteurs insistent sur la nécessité de mieux comprendre comment l’intelligence artificielle pourrait être utile sans alourdir le travail des équipes médicales ou générer des alertes inutiles. Ils encouragent à poursuivre les recherches pour identifier les situations où cette technologie pourrait vraiment faire la différence.
Sources et crédits
Étude source
DOI : https://doi.org/10.1038/s41591-026-04253-5
Titre : AI-based chest X-ray prioritization in the lung cancer diagnostic pathway: the LungIMPACT randomized controlled trial
Revue : Nature Medicine
Éditeur : Springer Science and Business Media LLC
Auteurs : Nick Woznitza; Lesley Smith; Janette Rawlinson; Iain Au-Yong; Bindu George; Madava G. Djearaman; Arjun Nair; Richard W. Lee; Neal Navani; Siyabonga Ndwandwe; Caroline S. Clarke; Andrew Creeden; Josh Newsome; Indrajeet Das; Sylvia Abaokporo; Richard Tucker; James Hathorn; David R. Baldwin