Protocol for a Multimethod Evaluation of AI-Based Colorectal Cancer Risk Prediction in an Emulated Primary Care Electronic Health Record Environment: Trust, Usability, and Diagnostic Decision-Making
Cette étude multiméthode évalue comment les médecins généralistes interprètent et utilisent les prédictions de risque de cancer colorectal basées sur l'IA au sein d'un environnement de dossier de santé électronique émulé en combinant des évaluations quantitatives de la prise de décision diagnostique avec des entretiens qualitatifs sur la confiance et l'utilisabilité, visant à informer de futurs essais prospectifs dans les soins primaires de routine.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans le monde calme et souvent chaotique d'un cabinet de médecin généraliste, l'une des tâches les plus difficiles consiste à repérer un type de maladie spécifique avant qu'elle ne devienne avancée. Le cancer colorectal, une maladie affectant le gros intestin, est fréquemment manqué à ses stades précoces car ses signes d'alerte initiaux peuvent être vagues ou facilement confondus avec des troubles digestifs moins sérieux. Bien que les médecins s'appuient sur leur formation et sur les informations disponibles dans les dossiers des patients, le volume considérable de données et la nature subtile des symptômes font de la détection précoce un défi persistant. Pour aider, des chercheurs ont commencé à développer des programmes informatiques qui utilisent l'intelligence artificielle pour passer au crible les dossiers médicaux, à la recherche de modèles qui pourraient signaler un danger bien avant qu'un diagnostic ne soit officiellement posé. Ces outils promettent d'agir comme une seconde paire d'yeux, mettant en évidence des risques qu'un humain pourrait négliger. Cependant, un programme informatique n'est aussi bon que la capacité du médecin à lui faire confiance et à le comprendre. Si un outil est déroutant ou si le médecin ne sait pas comment interpréter ses suggestions, il n'améliorera pas les soins aux patients, peu importe l'intelligence de l'algorithme.
Cette étude visait à tester précisément comment les médecins généralistes interagissent avec un tel outil dans un cadre sûr et contrôlé. Les chercheurs ont créé une version simulée d'un dossier de santé électronique de soins primaires, un système numérique où les médecins stockent normalement les notes des patients et les résultats de tests. Ils ont rassemblé des dossiers historiques de vrais patients qui avaient été diagnostiqués avec un cancer colorectal, en supprimant tous les noms et détails personnels pour protéger leur vie privée. Dix médecins, un mélange de spécialistes expérimentés et de personnes encore en formation, ont été invités à examiner entre quarante et soixante de ces cas anonymisés. Les médecins ont parcouru les dossiers comme s'ils voyaient les patients pour la première fois, mais on ne leur a pas dit que chaque personne de l'étude avait déjà été diagnostiquée avec un cancer. Cette configuration a permis aux chercheurs de voir ce que les médecins suspecteraient et décideraient de faire en se basant uniquement sur les informations présentées.
L'expérience a été conçue pour voir si le fait de montrer aux médecins un score de risque généré par ordinateur changeait leur avis. Pour certains des cas, les médecins n'ont vu que l'historique médical standard, incluant les symptômes, les résultats de laboratoire et les visites passées. Pour d'autres cas, les mêmes dossiers étaient affichés, mais avec une fonctionnalité supplémentaire : un pourcentage indiquant le risque de cancer colorectal calculé par l'ordinateur, ainsi qu'une liste des facteurs spécifiques ayant conduit à ce chiffre. Les médecins devaient indiquer s'ils suspectaient un cancer, à quel point cette suspicion était forte, et ce qu'ils feraient ensuite, comme prescrire un test ou orienter le patient vers un spécialiste. Ils devaient également expliquer quels symptômes ou constatations dans le dossier les avaient conduits à leur conclusion. Après avoir examiné les cas, chaque médecin a eu un entretien privé pour discuter de son expérience, partageant ses réflexions sur le fait que les prédictions de l'ordinateur semblaient utiles, dignes de confiance ou déroutantes.
L'étude n'a pas mesuré si les patients étaient guéris ou si l'outil sauvait des vies, car aucun vrai patient n'était impliqué dans cette phase. Au lieu de cela, l'accent était entièrement mis sur l'élément humain du processus. Les chercheurs voulaient savoir si l'outil d'intelligence artificielle influençait le raisonnement des médecins, s'il les aidait à détecter la maladie plus précisément, ou s'il les amenait à remettre en question leur propre jugement. En comparant les décisions des médecins lorsqu'ils avaient l'aide de l'ordinateur par rapport à lorsqu'ils ne l'avaient pas, l'équipe pouvait identifier comment l'outil s'intègre dans le flux de la pensée clinique. Les entretiens ont offert un regard plus approfondi sur les sentiments des médecins, révélant si les scores de risque étaient faciles à comprendre et s'ils croyaient que l'outil était assez fiable pour être utilisé dans une véritable clinique.
Au moment où l'étude a été rapportée, les dix médecins participants avaient tous terminé leurs examens et entretiens, et l'analyse de leurs réponses était en cours. Les chercheurs ont noté que l'environnement simulé fonctionnait bien, permettant de tester l'outil sans risquer la sécurité des patients. Ils ont constaté que le processus consistant à faire examiner les cas par les médecins puis à discuter immédiatement de leurs réflexions était pratique et gérable. L'étude n'est pas un verdict final sur l'utilisation de ces outils informatiques dans chaque clinique, mais plutôt une étape cruciale pour comprendre leur fonctionnement avant qu'ils ne soient testés dans le monde réel. Les enseignements tirés ici aideront les chercheurs à affiner la conception de l'outil et à planifier un essai futur plus vaste où le système sera testé dans de véritables contextes de soins primaires avec de vrais patients. L'objectif ultime est de s'assurer que, lorsque cette technologie sera introduite, elle soutienne efficacement les médecins, les aidant à détecter le cancer colorectal plus tôt et plus précisément, tout en s'intégrant harmonieusement dans la réalité chargée d'une journée de médecin.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.