L'IA au service du pré-diagnostic en imagerie médicale
Le pré-diagnostic par IA en imagerie médicale consiste à analyser automatiquement des radiographies, scanners, IRM, échographies ou lames numérisées pour signaler les anomalies suspectes au professionnel de santé. L'IA ne pose pas le diagnostic : elle priorise les examens urgents, attire l'œil sur une lésion et réduit le risque d'oubli.
Face à la hausse du nombre d'examens et à la tension sur les effectifs de radiologues, ces outils d'aide à la décision deviennent un levier majeur de qualité et de délai de prise en charge.
Pour qui ?
- Centres d'imagerie et cabinets de radiologie, notamment en téléradiologie.
- Services d'urgences : lecture rapide des radiographies de traumatologie, la nuit et le week-end.
- CHU et hôpitaux : dépistage, oncologie, neurologie, pneumologie.
- Laboratoires d'anatomopathologie : analyse de lames numérisées.
- Start-ups medtech et fabricants d'équipements qui veulent intégrer un module IA à leur dispositif.
- Industriels pharmaceutiques pour l'analyse d'imagerie dans les essais cliniques.
Comment ça fonctionne ?
- Cadrage clinique : choix de la pathologie, de la modalité et de la place de l'IA dans le parcours (triage, second lecteur, détection).
- Constitution des données : images pseudonymisées issues de plusieurs centres et machines, pour garantir la robustesse.
- Annotation experte : des médecins délimitent les lésions, avec double lecture pour fiabiliser la vérité terrain.
- Entraînement : réseaux de détection, segmentation ou classification 2D/3D, modèles de fondation médicaux le cas échéant.
- Validation clinique : mesure de la sensibilité, de la spécificité et de l'impact sur la lecture du médecin, sur des données externes.
- Intégration : connexion au PACS et au RIS via DICOM, affichage des résultats directement dans le viewer du radiologue.
- Surveillance post-commercialisation : suivi des performances en conditions réelles.
Expertises mobilisées
- Computer vision médicale 2D et 3D (domaines d'application).
- Gestion de données de santé : pseudonymisation, formats DICOM, hébergement HDS (expertise data).
- Méthodologie statistique pour la validation clinique.
- Qualité et réglementaire : documentation technique, gestion des risques (ISO 14971), cycle de vie logiciel (IEC 62304).
- Déploiement sécurisé on-premise ou en cloud certifié.
Contraintes et points de vigilance
- Statut de dispositif médical : un logiciel d'aide au diagnostic relève du règlement européen (UE) 2017/745 (MDR) et nécessite un marquage CE, en général en classe IIa ou plus.
- AI Act : ces dispositifs sont classés « à haut risque ». Avec le calendrier révisé par l'Omnibus numérique, leurs obligations s'appliquent au 2 août 2028, sans report des exigences MDR (Pure Global).
- Données de santé : RGPD, hébergement HDS, autorisations CNIL pour la recherche.
- Biais et généralisation : un modèle entraîné sur un seul site ou un seul constructeur peut perdre en performance ailleurs.
- Responsabilité médicale : le médecin reste décisionnaire, l'interface doit éviter la sur-confiance.
Exemple concret
La start-up française Gleamer a évalué sa solution BoneView de détection de fractures dans une étude publiée dans la revue Radiology (RSNA). Six radiologues et six urgentistes ont lu les radiographies de 600 patients, issues de 17 centres d'imagerie, avec et sans l'IA. Avec l'assistance de l'IA (Business Wire, mai 2021) :
- +12 % de sensibilité dans la détection des fractures ;
- −15 % de temps de lecture en moyenne ;
- −42 % de faux positifs chez les patients sans fracture.
Les solutions Gleamer sont certifiées dispositifs médicaux de classe IIa selon le MDR (Gleamer).
Pourquoi Micelia ?
Micelia accompagne les acteurs de la santé (éditeurs, medtech, établissements) dans la conception de modèles de vision médicale robustes et documentables : constitution de datasets, entraînement, validation et industrialisation. Nos outils d'annotation et d'évaluation et notre outil d'anonymisation Veil facilitent la préparation de données conformes. Nos projets peuvent être éligibles au CIR/CII.
Vous développez un dispositif médical intégrant de l'IA ? Échangeons sur votre projet.
FAQ
L'IA peut-elle remplacer le radiologue ? Non. Elle sert d'aide à la détection et au triage ; l'interprétation et le diagnostic restent médicaux.
Combien d'images faut-il pour entraîner un modèle ? Plusieurs milliers d'examens annotés, issus de plusieurs centres, sont généralement nécessaires pour un produit certifiable. Un POC peut démarrer avec moins.
Faut-il un marquage CE ? Oui, dès que le logiciel a une finalité médicale (aide au diagnostic) et qu'il est mis sur le marché.
