BoneView

Évaluation de l’impact médico-économique d’une IA pour la détection de fracture en  radiographie 

Regnard et. al

JFR 2021

Published In

JFR 2021 (2021)

Authors

Nor-Eddine Regnard, Boubekeur Lanseur, Louis Lassalle, Sandrine Gaudart, Cécile Malandrin, Jean-Denis Laredo, Antoine Feydy, Nicolas Theumann, Frédérick Breittmayer, Denis Jacob.

Abstract

 

Objectifs

L’interprétation des radiographies standards dans un contexte traumatique souffre d’un manque de disponibilité des radiologues soumis à une charge de travail croissante et d’erreurs d’interprétation. Les solutions d’Intelligence Artificielle (IA) sont de plus en plus utilisées en routine clinique pour détecter auomatiquement les fractures. Cette étude vise à : 1/ comparer les performances de l’interprétation radiologique en routine clinique et d’une IA dans la détection de fractures des os des membres ou du bassin. 2/ évaluer l’impact médico-économique de l’utilisation d’une IA en quantifiant les modifications de prise en charge.

Matériel et méthode

Nous avons collecté de façon rétrospective les examens radiographiques et le compte-rendu associé effectués dans le cadre de l’urgence et dans un contexte traumatique pour une suspicion de fracture des os des membres ou du bassin durant 3 mois consécutifs (Janvier à Mars 2017) dans un groupe d’imagerie privé en France. La présence d’une affection ostéo-articulaire préalable du segment osseux radiographié était une cause d’exclusion. Chacun des examens radiographiques a été analysé par l’IA BoneViewTM qui délimite par une boîte les régions d’intérêts où la présence d’une fracture est suspectée. Les résultats de l’IA ont été confrontés à ceux du compte-rendu du radiologue rédigé dans le cadre de la prise en charge habituelle. En cas de discordance entre l’IA et le compte-rendu radiologique, l’examen était relu par un radiologue ostéoarticulaire sénior (12 ans d’expérience) qui devait trancher sur la présence d’une ou plusieurs fractures. Ce radiologue devait également préciser, dans ces cas discordants, si un examen d’imagerie complémentaire (non prescrit dans le compte-rendu initial) apparaissait nécessaire suite au changement de diagnostic. Il lui était aussi demandé d’évaluer de façon semi-quantitative en fonction du type de fracture les conséquences médicales éventuelles dues au retard de prise en charge (0 : aucune, 1 : faible, 2 : retentissement sur la fonction du membre, 3 : vitale).

Résultats

Au total, 4774 examens (1-103 ans dont 30% pédiatrie, 49% femmes) ont été inclus dans l’étude. La localisation anatomique des examens se répartit de la façon suivante : main (22%), poignet (4%), pied (13%), cheville (11%), jambe (5%), genou (23%), bras (3%), coude (2%), bassin (8%), épaule (9%). Parmi les 785 examens positifs, 903 fractures ont été reconnues soit de façon concordante par l’IA et dans le compte-rendu (n=651, 72,1%) soit par le radiologue sénior dans les cas discordants (n=252, 27,9%). Sur les 180 cas discordants, le radiologue sénior a confirmé la présence de 235 fractures reconnues par l’IA et non mentionnées dans le compte-rendu (+26%). À l’inverse, il a confirmé la présence de 17 fractures rapportées dans le compte-rendu radiologique mais méconnues par l’IA (1.9%). L’IA a donc une sensibilité de 97,8% à l’examen (98,1% à la fracture), une spécificité de 88% et une valeur prédictive négative de 99,5%. Sur les 236 fractures détectées par l’IA et méconnues dans le compte-rendu, 69 auraient dû bénéficier d’un examen d’imagerie complémentaire (TDM ou IRM) pour confirmer le diagnostic (n=61, 26,1%) ou caractériser la fracture et évaluer sa gravité (n=48, 20,4%). Sur les 235 fractures détectées par l’IA seule, la connaissance de la fracture aurait pu entraîner une modification de la prise en charge thérapeutique dans 144 cas (61,3%) et dans 51 cas (21,7%) auraient pu conduire à porter l’indication d’une intervention chirurgicale. Les conséquences d’un retard de prise en charge ont été évaluées comme faibles (score 1) pour 155 fractures (66%), et source d’un retentissement sur la fonction du membre (score 2) pour 24 fractures (10,2%). 

Conclusion

Cette étude permet de confronter les performances de l’IA à la lecture radiologique de routine. L’IA a détecté 26% de fractures supplémentaires par comparaison au compte-rendu de routine clinique et aurait entraîné une modification de la prise en charge thérapeutique pour 144 d’entre elles. Pour 21,7% de ces fractures supplémentaires, une prise en charge chirurgicale aurait dû être envisagée. Ces changements de prise en charge auraient pu améliorer le pronostic des patients. Les meilleures performances sont obtenues par le couple radiologue + IA.