Acquisition accélérée, détection automatisée, comptes rendus assistés : l’intelligence artificielle promet de transformer le quotidien des radiologues. Mais au-delà des performances technologiques, quels bénéfices peut-elle réellement apporter aux professionnels ? Dans son étude « L’Imagerie Augmentée », réalisée avec le soutien de Softway Medical, le CNEH Prospective analyse les gains possibles à chaque étape de l’examen et interroge leur traduction en temps médical véritablement disponible.
Et si la principale révolution de l’intelligence artificielle en radiologie n’était pas de détecter davantage d’anomalies, mais de permettre aux médecins de consacrer moins de temps aux opérations répétitives ?
Entre l’acquisition d’une image et la validation du compte rendu, de nombreuses étapes mobilisent du temps humain et technique. Préparation des examens, reconstruction, mesures, comparaison avec les antériorités, rédaction : autant d’opérations sur lesquelles l’IA peut désormais intervenir.
L’étude du CNEH Prospective propose une lecture concrète de ces transformations. Son enseignement est clair : les gains ne se concentrent pas sur une seule application spectaculaire, mais se construisent tout au long du parcours d’imagerie.
De l’acquisition à la reconstruction : accélérer sans compromettre la qualité
Les équipements intégrant de l’IA peuvent automatiser certains paramètres d’acquisition, améliorer le positionnement du patient et détecter plus précocement les mouvements susceptibles d’altérer les résultats. L’objectif est double : limiter les reprises d’examens et rendre les images exploitables plus rapidement.
Selon les estimations rassemblées par le CNEH, les temps d’acquisition pourraient ainsi diminuer de 15 à 30 %, selon les modalités utilisées.
La reconstruction des images constitue un autre levier. En scanner ou en IRM, des algorithmes d’apprentissage profond contribuent à réduire le bruit et à accélérer le traitement des données. Le CNEH évoque, dans certains scénarios, un passage de 5 à 10 minutes à seulement 1 à 2 minutes entre la fin de l’acquisition et la disponibilité des images.
Ces avancées profitent à l’ensemble du plateau technique. Elles permettent notamment aux manipulateurs de limiter certaines opérations et aux radiologues de disposer plus rapidement des examens à interpréter.
Pour autant, un examen accéléré ne signifie pas automatiquement un diagnostic plus rapide. Encore faut-il que les images soient transmises sans rupture et qu’un professionnel puisse en assurer la lecture.
Triage, détection, quantification : l’IA au cœur de l’interprétation
C’est probablement pendant la lecture des examens que l’intelligence artificielle révèle son potentiel le plus directement perceptible pour les radiologues.
Aux urgences, certains algorithmes sont capables de signaler des anomalies évocatrices d’une hémorragie intracrânienne, d’une embolie pulmonaire ou d’une fracture. Leur intérêt ne réside pas uniquement dans la détection, mais aussi dans la priorisation : attirer plus rapidement l’attention du médecin sur les examens potentiellement critiques.
L’IA intervient également dans les opérations de quantification. Mesurer le volume d’une lésion, segmenter un organe, repérer des nodules pulmonaires ou comparer automatiquement deux examens successifs sont des tâches exigeantes, parfois répétitives, que des outils spécialisés peuvent faciliter.
Le CNEH présente des estimations de 40 à 60 % de réduction du temps de lecture et de post-traitement sur certains examens standards. Des ordres de grandeur qui ne doivent toutefois pas être généralisés à toutes les situations cliniques.
Des résultats plus ciblés viennent illustrer ce potentiel. Une étude clinique menée à l’Université de médecine de Vienne, relayée par Softway Medical dans son manifeste, a notamment mis en évidence une réduction moyenne de 31 % du temps de lecture dans le cadre d’une assistance algorithmique à l’analyse d’images pulmonaires. L’enjeu n’est pourtant pas de déléguer le diagnostic à la machine. En automatisant certaines mesures et en facilitant l’identification des éléments suspects, l’IA peut permettre au radiologue de concentrer son attention sur l’interprétation contextualisée, l’analyse des situations complexes et la décision médicale.
L’enjeu n’est pourtant pas de déléguer le diagnostic à la machine. En automatisant certaines mesures et en facilitant l’identification des éléments suspects, l’IA peut permettre au radiologue de concentrer son attention sur l’interprétation contextualisée, l’analyse des situations complexes et la décision médicale.
Du compte rendu au parcours patient : que faire du temps gagné ?
La rédaction des comptes rendus représente une activité importante du quotidien des radiologues. Reconnaissance vocale, génération de brouillons structurés, intégration automatique des mesures ou détection d’incohérences entre observations et conclusions : les outils d’IA ouvrent de nouvelles possibilités d’assistance.
Le CNEH estime que ces solutions pourraient permettre de réduire de 20 à 35 % le temps consacré à certaines rédactions de comptes rendus, selon les usages et les configurations.
Toutefois, ces bénéfices supposent une intégration fluide dans l’environnement de travail. Un résultat algorithmique qui doit être recherché dans un logiciel supplémentaire, puis retranscrit manuellement, peut faire perdre une partie du temps économisé.
L’orchestration des outils d’IA devient donc un facteur déterminant : les bons algorithmes doivent pouvoir intervenir au bon moment, et leurs résultats être accessibles sans multiplier les manipulations. Les performances techniques doivent se traduire en bénéfices mesurables sur l’ensemble du parcours.
Reste alors une interrogation fondamentale, soulevée par le CNEH : à quoi doit servir ce temps retrouvé ?
Accroître le nombre d’examens interprétés constitue une possibilité. Mais les gains pourraient également être réinvestis dans l’analyse des cas difficiles, les réunions de concertation pluridisciplinaire, la formation continue ou les échanges avec les patients.
Cette seconde perspective mérite une attention particulière. Car une radiologie plus performante ne se résume pas à produire davantage d’examens. Elle suppose aussi de préserver la qualité de l’expertise médicale et la place de la relation humaine.
À l’horizon 2030, le véritable indicateur de réussite de l’IA en imagerie pourrait ainsi ne plus être uniquement le nombre de minutes économisées, mais la manière dont elles auront été réinvesties.
La promesse de l’imagerie augmentée n’est pas simplement de permettre au radiologue de travailler plus vite. C’est de lui redonner davantage de temps pour exercer pleinement son métier de médecin.
