Les défis de la mise en œuvre de la mammographie assistée par l’IA

Les défis de la mise en œuvre de la mammographie assistée par l’IA

La mammographie boostée par l'IA est confrontée à plusieurs défis majeurs pour une mise en œuvre à grande échelle dans les systèmes de soins de santé :

Les radiologues et les radiographes considèrent l'imagerie mammaire comme la sous-spécialité susceptible d'être la plus touchée par l'IA, la mammographie étant l'une des principales modalités d'application de l'IA [1]. Cependant, l'intégration de l'IA dans la pratique clinique se heurte à des obstacles importants. L'un des principaux obstacles est le manque de mentorat, de conseils et de soutien de la part des experts en IA, ce qui entrave le processus d'apprentissage des professionnels de la santé [1]. Ce manque de connaissances peut entraver la mise en œuvre et l'utilisation efficaces des outils d'IA dans le domaine de la mammographie.

L'adoption de l'IA dans les soins de santé, y compris la mammographie, est encore compliquée par des problèmes tels que les données biaisées et hétérogènes, la lourdeur de la gestion des données, l'insuffisance de la validation clinique et les difficultés liées au flux de travail [2]. En outre, des cadres réglementaires et juridiques obsolètes font obstacle à une mise en œuvre généralisée [2]. L'ensemble de ces facteurs contribue à la lenteur de l'adoption des outils d'IA en milieu clinique, malgré leurs performances techniques démontrées en matière d'analyse d'images et d'analyse prédictive.

En conclusion, la réussite de la mise en œuvre à grande échelle de la mammographie assistée par l'IA nécessite de relever de nombreux défis. Il s'agit notamment de fournir une formation et un soutien adéquats aux professionnels de santé, de normaliser les données et les méthodes de validation, de mettre à jour les cadres réglementaires et de favoriser la collaboration multidisciplinaire [2]. Il est essentiel de surmonter ces obstacles pour exploiter le potentiel de l'IA afin d'améliorer la détection du cancer du sein et les résultats pour les patients dans les systèmes de santé.

Références

1. Al Mohammad B, Gharaibeh M, Reed W, Aldaradkeh A. Assessing radiologists’ and radiographers’ perceptions on artificial intelligence integration: opportunities and challenges. The British journal of radiology. British Institute of Radiology; 2024;97:763–9.
2. Chua IS, Korach ZT, Kehl KL, Hassett M, Jackson GP, Arriaga YE, et al. Artificial intelligence in oncology: Path to implementation. Cancer Medicine. Wiley-Blackwell; 2021;10:4138–49.