L'intelligence artificielle dans la classification des nodules pulmonaires : utilité clinique, exactitude diagnostique, rapport cout/efficacité et lignes directrices

Messages clés

Nous avons répertorié sept études cas-témoins examinant l’exactitude diagnostique de l’intelligence artificielle pour classer les nodules au dépistage, à la détection fortuite ou dans le cas de tumeurs pulmonaires malignes connues ou suspectées. Nous n’avons pas recensé de sources de données probantes sur le rapport cout/efficacité ou l’utilité clinique de l’intelligence artificielle dans la classification des nodules au dépistage, à la découverte fortuite ou en cas de cancer du poumon connu ou suspecté ni de lignes directrices fondées sur des données probantes à ce propos.  Les résultats des études cas-témoins sont disparates. Deux études rapportent que les modèles d’intelligence artificielle sont nettement plus exacts dans la classification des nodules que des radiologistes classant les nodules en fonction du Lung CT Screening Reporting and Data System de l’American College of Radiologists. Deux études rapportent de manière descriptive que les modèles d’intelligence artificielle sont plus exacts dans la classification des nodules que l’observation humaine. En revanche, trois études constatent que les modèles d’intelligence artificielle sont comparables à des observateurs humains, voire moins exacts (test statistique dans une étude, résultats descriptifs dans deux études). Trois études, qui font état de manière descriptive de la sensibilité et de la spécificité, en arrivent à des valeurs de sensibilité et de spécificité plus élevées pour l’intelligence artificielle que pour les comparateurs respectifs dans le diagnostic d’un cancer du poumon.

Il pourrait être prématuré de tirer une conclusion au sujet de l’intelligence artificielle dans la classification des nodules pulmonaires au vu de la rareté des données probantes sur l’utilité clinique et le rapport cout/efficacité et des lignes directrices, et au vu des résultats disparates et des lacunes méthodologiques observées dans les études sur l’exactitude diagnostique.