{"id":35,"date":"2026-03-29T22:38:02","date_gmt":"2026-03-29T20:38:02","guid":{"rendered":"https:\/\/journalofartificialintelligence.com\/fr\/2026\/03\/29\/lintelligence-artificielle-accelere-t-elle-vraiment-le-diagnostic-du-cancer-du-poumon\/"},"modified":"2026-03-29T22:38:06","modified_gmt":"2026-03-29T20:38:06","slug":"lintelligence-artificielle-accelere-t-elle-vraiment-le-diagnostic-du-cancer-du-poumon","status":"publish","type":"post","link":"https:\/\/journalofartificialintelligence.com\/fr\/2026\/03\/29\/lintelligence-artificielle-accelere-t-elle-vraiment-le-diagnostic-du-cancer-du-poumon\/","title":{"rendered":"L\u2019intelligence artificielle acc\u00e9l\u00e8re-t-elle vraiment le diagnostic du cancer du poumon"},"content":{"rendered":"

\"L\u2019intelligence<\/p>\n

L\u2019intelligence artificielle acc\u00e9l\u00e8re-t-elle vraiment le diagnostic du cancer du poumon<\/h1>\n

Une grande \u00e9tude men\u00e9e au Royaume-Uni a \u00e9valu\u00e9 si l\u2019utilisation de l\u2019intelligence artificielle pour analyser en priorit\u00e9 les radiographies du thorax permettait de d\u00e9tecter plus rapidement le cancer du poumon. Plus de 93 000 radiographies ont \u00e9t\u00e9 examin\u00e9es dans cinq h\u00f4pitaux diff\u00e9rents. Les r\u00e9sultats montrent que l\u2019analyse prioritaire par intelligence artificielle n\u2019a pas r\u00e9duit le temps n\u00e9cessaire pour obtenir un scanner ou poser un diagnostic de cancer du poumon.<\/p>\n

Les patients dont la radiographie \u00e9tait analys\u00e9e avec l\u2019aide de l\u2019intelligence artificielle ont attendu en moyenne 53 jours avant de passer un scanner, contre 53 jours \u00e9galement pour ceux dont la radiographie \u00e9tait analys\u00e9e sans cette priorit\u00e9. Pour les 558 personnes chez qui un cancer du poumon a \u00e9t\u00e9 diagnostiqu\u00e9, le d\u00e9lai moyen pour obtenir ce diagnostic \u00e9tait de 44 jours avec l\u2019intelligence artificielle et de 46 jours sans. Aucune diff\u00e9rence significative n\u2019a \u00e9t\u00e9 observ\u00e9e dans les autres \u00e9tapes du parcours de soin, comme le temps avant une consultation urgente ou le d\u00e9but du traitement.<\/p>\n

L\u2019intelligence artificielle a parfois d\u00e9tect\u00e9 des anomalies que les radiologues ne voyaient pas, mais dans pr\u00e8s d\u2019un tiers des cas, ses conclusions ne correspondaient pas \u00e0 celles des experts humains. Parmi ces d\u00e9saccords, environ un quart des examens ont r\u00e9v\u00e9l\u00e9 des r\u00e9sultats n\u00e9cessitant une action m\u00e9dicale. Cependant, m\u00eame lorsque l\u2019intelligence artificielle signalait une anomalie, cela n\u2019a pas acc\u00e9l\u00e9r\u00e9 le processus global de diagnostic.<\/p>\n

Les chercheurs soulignent que l\u2019intelligence artificielle peut aider \u00e0 rep\u00e9rer des signes suspects, mais son utilisation pour prioriser les examens n\u2019a pas eu d\u2019impact mesurable sur la rapidit\u00e9 du diagnostic. Ils recommandent donc de ne pas int\u00e9grer syst\u00e9matiquement cette m\u00e9thode dans les h\u00f4pitaux pour le moment. Selon eux, il serait plus efficace d\u2019am\u00e9liorer l\u2019organisation des parcours de soin, comme le fait de permettre une lecture imm\u00e9diate des radiographies par un radiologue, ce qui avait d\u00e9j\u00e0 montr\u00e9 des r\u00e9sultats prometteurs dans une \u00e9tude pr\u00e9c\u00e9dente.<\/p>\n

L\u2019\u00e9tude confirme aussi que le d\u00e9lai entre la radiographie et le scanner reste souvent trop long par rapport aux recommandations nationales, en partie \u00e0 cause du manque de scanners et de personnel sp\u00e9cialis\u00e9. Les auteurs insistent sur la n\u00e9cessit\u00e9 de mieux comprendre comment l\u2019intelligence artificielle pourrait \u00eatre utile sans alourdir le travail des \u00e9quipes m\u00e9dicales ou g\u00e9n\u00e9rer des alertes inutiles. Ils encouragent \u00e0 poursuivre les recherches pour identifier les situations o\u00f9 cette technologie pourrait vraiment faire la diff\u00e9rence.<\/p>\n

\n

Sources et cr\u00e9dits<\/h2>\n

\u00c9tude source<\/h3>\n

DOI\u00a0:<\/strong> https:\/\/doi.org\/10.1038\/s41591-026-04253-5<\/a><\/p>\n

Titre\u00a0:<\/strong> AI-based chest X-ray prioritization in the lung cancer diagnostic pathway: the LungIMPACT randomized controlled trial<\/p>\n

Revue : <\/strong> Nature Medicine<\/p>\n

\u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n

Auteurs : <\/strong> 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<\/p>\n","protected":false},"excerpt":{"rendered":"

L\u2019intelligence artificielle acc\u00e9l\u00e8re-t-elle vraiment le diagnostic du cancer du poumon Une grande \u00e9tude men\u00e9e au Royaume-Uni a \u00e9valu\u00e9 si l\u2019utilisation de l\u2019intelligence artificielle pour analyser en priorit\u00e9 les radiographies du thorax permettait de d\u00e9tecter plus rapidement le cancer du poumon. Plus de 93 000 radiographies ont \u00e9t\u00e9 examin\u00e9es dans cinq h\u00f4pitaux diff\u00e9rents. Les r\u00e9sultats montrent… Poursuivre la lecture L\u2019intelligence artificielle acc\u00e9l\u00e8re-t-elle vraiment le diagnostic du cancer du poumon<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2],"tags":[],"class_list":["post-35","post","type-post","status-publish","format-standard","hentry","category-sante","entry"],"_links":{"self":[{"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/posts\/35","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/comments?post=35"}],"version-history":[{"count":1,"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/posts\/35\/revisions"}],"predecessor-version":[{"id":36,"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/posts\/35\/revisions\/36"}],"wp:attachment":[{"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/media?parent=35"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/categories?post=35"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/tags?post=35"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}