Identifier les applications actuelles de l’IA en radiologie pédiatrique.

Évaluer les bénéfices cliniques et organisationnels pour le radiologue et le patient.

Discuter des limites et des risques de standardisation des pratiques cliniques.

L’intelligence artificielle en radiologie pédiatrique constitue un soutien précieux pour améliorer la précision et la rapidité du diagnostic, tout en laissant au radiologue la responsabilité du jugement clinique et de la personnalisation des soins

LIA est aujourd’hui utilisée en radiologie pédiatrique pour la détection automatique d’anomalies, la quantification de paramètres morphologiques, et la standardisation des mesures. Les algorithmes d’apprentissage profond peuvent repérer des pathologies rares ou subtiles, comme certaines malformations congénitales ou anomalies pulmonaires, avec une sensibilité et une spécificité élevées. Elle facilite également le suivi longitudinal des patients et la comparaison multicentrique des données.

En pratique, l’IA permet de réduire le temps d’interprétation, d’optimiser les flux cliniques et de minimiser l’exposition radiative, un enjeu majeur chez l’enfant. Elle offre également un soutien pédagogique, en illustrant des pathologies rares pour les radiologues en formation.

Néanmoins, des limites importantes subsistent. Les biais des algorithmes, liés à des données principalement adultes ou à des sous-représentations pédiatriques, peuvent entraîner des erreurs diagnostiques. La standardisation excessive pourrait réduire la diversité des approches cliniques et freiner le développement des compétences critiques des radiologues juniors. Ainsi, l’IA doit rester un outil complémentaire, nécessitant une supervision humaine et une validation continue pour garantir sécurité et pertinence clinique.

L’IA est un outil puissant pour améliorer la précision du diagnostic pédiatrique, mais elle doit compléter le radiologue et non le remplacer, afin de préserver l’analyse critique, la personnalisation des soins et la relation patient‑médecin.