Cost-effectiveness of immediate prioritisation of chest X-rays using artificial intelligence in lung cancer in England: the LungIMPACT study
Cette analyse médico-économique de l'étude LungIMPACT conclut que l'utilisation de l'IA pour prioriser les radiographies thoraciques pour le cancer du poumon en Angleterre n'est pas rentable par rapport à l'interprétation assistée par l'IA seule ou à la pratique actuelle, car elle augmente les coûts sans réduire le délai de diagnostic.
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
Imaginez le corps humain comme une ville bouillonnante, et à l'intérieur de cette ville, un fauteur de troubles silencieux et sournois qui essaie de s'installer : le cancer du poumon. Ce fauteur de troubles est rusé car, dans les premiers jours, il ne fait pas beaucoup de bruit. Il ne crie pas pour attirer l'attention ; il se contente de chuchoter, provoquant peut-être une petite toux ou un peu de fatigue que les gens ignorent souvent. Parce qu'il est si discret, il n'est souvent découvert qu'après avoir grandi et gagné en force, ce qui le rend beaucoup plus difficile à vaincre.
Pour attraper ce fauteur de troubles tôt, les médecins utilisent une « caméra à rayons X » spéciale appelée radiographie pulmonaire (CXR). C'est comme prendre un cliché rapide de la ligne d'horizon de la ville pour voir si des nuages sombres se forment. Chaque année en Angleterre, les médecins généralistes (GP) envoient des millions de ces clichés au département de radiologie. Mais voici le problème : le département de radiologie est comme une salle de courrier massive et débordante. Des milliers de photos arrivent chaque jour, et les médecins qui les lisent (les radiologues) doivent trier la pile une par une. Si un nuage dangereux se cache au milieu de la pile, il pourrait être manqué ou retardé pendant que les médecins examinent les photos inoffensives en premier.
Récemment, des scientifiques ont inventé un assistant numérique : l'Intelligence Artificielle (IA). Voyez cette IA comme un assistant robotique super rapide capable de scanner chaque photo en une fraction de seconde. Son travail est de repérer les « nuages sombres » (les taches suspectes) et de crier : « Hé ! Regardez celle-ci en premier ! » On appelle cela la « priorisation ». La grande question que tout le monde voulait poser était la suivante : si nous laissons ce robot assistant crier et déplacer les photos inquiétantes au début de la file, cela aidera-t-il réellement à attraper le fauteur de troubles plus rapidement sans coûter une fortune au service de santé ? C'est l'histoire de l'étude LungIMPACT, qui a tenté de découvrir si ce chapeau de tri haute technologie valait réellement son prix.
La Grande Expérience de Tri
En Angleterre, une expérience massive appelée l'étude LungIMPACT a été lancée pour tester cette idée même. Les chercheurs ont rassemblé les données de près de 87 000 patients qui ont passé une radiographie pulmonaire après avoir consulté leur médecin généraliste. Ils ont divisé ces patients en deux groupes pour voir ce qui se passait.
Dans le premier groupe, l'IA a été activée pour faire son travail de « cri ». Elle a scanné les radiographies et a signalé celles qui semblaient suspectes, disant aux médecins humains : « Priorisez celles-ci ! Lisez-les immédiatement ! » Dans le second groupe, l'IA était également utilisée pour aider à lire les images, mais on lui avait dit de rester silencieuse. Elle ne criait pas et ne déplaçait pas les photos en tête de liste ; les médecins lisaient les radiographies dans l'ordre d'arrivée, avec l'aide de l'IA comme second avis.
L'objectif était simple : voir si le groupe de ceux qui « criaient » obtenait ses diagnostics plus rapidement. Si l'IA pouvait réduire le temps entre la prise de la radiographie et la découverte de la présence de cancer du poumon, ce serait une immense victoire pour les patients. Mais il y avait un piège. Les chercheurs devaient aussi compter l'argent. Ils ont examiné chaque centime dépensé : le coût des radiographies, des scanners (CT scans), des tests supplémentaires, et même les frais de location du logiciel d'IA et le coût de son intégration dans les systèmes informatiques de l'hôpital.
Le Résultat Surprenant : Le Robot n'a pas Sauvé la Mise
Après avoir analysé les chiffres, l'étude a révélé un résultat qui pourrait vous surprendre. L'IA qui « criait » n'a pas accéléré de manière significative le diagnostic.
Voici le détail de ce qui s'est passé :
- Temps : Le temps nécessaire pour obtenir un diagnostic était presque le même dans les deux groupes. Dans le groupe où l'IA criait pour prioriser les photos, le temps moyen pour un diagnostic était d'environ 75 jours. Dans le groupe où l'IA aidait simplement à la lecture sans crier, il était d'environ 77 jours. Cette infime différence n'était pas suffisante pour dire que l'IA qui criait faisait réellement une différence.
- Argent : Comme le logiciel d'IA coûte de l'argent pour la licence et coûte de l'argent pour être installé dans les ordinateurs de l'hôpital, le groupe de la « priorisation » a en réalité coûté plus cher au service de santé. L'étude a calculé que l'utilisation de la fonction de priorisation ajoutait environ 1 £ par patient par rapport à l'utilisation de l'IA sans la fonction de cri.
Lorsque les chercheurs ont regardé la situation globale pour toute l'Angleterre, les calculs sont devenus encore plus frappants. Si chaque médecin généraliste en Angleterre (qui commande environ 2,2 millions de radiographies par an) utilisait l'IA pour prioriser les radiographies, cela coûterait à la NHS (le service de santé britannique) un supplément de 2,2 millions de livres sterling par an juste pour ce gain de temps quasi inexistant. S'ils comparaient la méthode de l'IA à l'ancienne méthode (sans aucune IA), le coût bondirait entre 16 millions et 35 millions de livres sterling par an.
Pourquoi cela n'a-t-il pas fonctionné ?
Les chercheurs suggèrent que le problème n'était pas l'IA elle-même, mais l'endroit où elle essayait d'aider. Imaginez une autoroute où le trafic est congestionné. Si vous avez un hélicoptère capable de repérer les voitures les plus lentes et de leur dire de passer sur la voie rapide, c'est très bien. Mais si toute l'autoroute est bloquée parce qu'il n'y a pas assez de voies ou assez de policiers pour gérer le flux, déplacer une voiture en tête de file ne débloquera pas l'embouteillage.
Dans le cas du diagnostic du cancer du poumon, le « embouteillage » se produit après la radiographie. Même si l'IA déplace la radiographie inquiétante en tête de liste, le patient doit toujours attendre un scanner (CT scan), puis attendre qu'un spécialiste examine les résultats, puis attendre qu'une équipe se réunisse pour décider du traitement. L'étude a révélé que l'IA ne pouvait pas corriger les goulots d'étranglement qui se produisaient après la lecture de la radiographie. Le système était déjà tellement chargé que déplacer la radiographie en tête de liste ne rendait pas l'ensemble du processus plus rapide.
L'Essentiel à Retenir
L'étude conclut que, du moins pour l'instant, utiliser l'IA pour prioriser immédiatement les radiographies pulmonaires n'est pas une bonne utilisation de l'argent pour le service de santé. Cela coûte plus cher que ce que cela rapporte, et cela ne permet pas réellement de diagnostiquer les patients plus rapidement.
Les auteurs sont très clairs à ce sujet : ils ne disent pas que l'IA est inutile pour toujours. Ils disent que cette façon spécifique de l'utiliser — faire crier l'IA pour déplacer les radiographies en tête de liste — ne fonctionne pas assez bien pour justifier le coût. Au lieu de dépenser des millions dans cet outil spécifique, l'étude suggère que le service de santé pourrait obtenir de meilleurs résultats en réparant les autres parties du processus, comme en embauchant plus de personnel ou en s'assurant qu'il y a assez de scanners et de médecins pour gérer les patients une fois qu'ils ont été signalés.
En résumé, l'assistant robot a essayé d'être un héros en criant « Regardez-moi en premier ! », mais le reste de l'équipe était trop occupée pour écouter. Tant que toute l'équipe ne pourra pas avancer plus vite ensemble, le simple fait de crier en tête de file ne résoudra pas le problème.
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.