Objectifs
La radiographie, couramment utilisée aux urgences, est principalement
interprétée par les médecins des urgences, ce qui peut entraîner des divergences avec les
radiologues. L’Intelligence Artificielle (IA) offre une aide prometteuse, mais son impact
clinique reste peu étudié.
L'objectif principal est d’évaluer l’impact sur l’interprétation des radiographies par l’urgentiste de l’utilisation d’une solution d’aide à l’identification des lésions squelettiques de membres par l’IA sur le CHU-AP.
Matériel et méthode
Étude rétrospective monocentrique aux urgences adultes du CHU Amiens-Picardie
(CHU-AP). Ont été inclus les patients consultant pour traumatisme et ayant eu au moins une
radiographie de membre. Le critère principal était la discordance urgentiste-radiologue. Les
critères secondaires incluaient la durée de prise en charge et le nombre de patients rappelés.
Résultats
Entre le 1er septembre 2022 et le 19 septembre 2023, 736 patients ont été inclus.
Le taux de discordance a diminué de 53 % : 12,0 % AVANT_IA vs. 5,7 % APRES_IA (p=0,009).
L’accord (κ de Cohen) est passé de 0,69 à 0,85 (Z-Score=5,25). Le nombre de patients rappelés a aussi significativement baissé (68,2 % avant vs. 28,6 % après, p=0,01).
Conclusion
Cette étude monocentrique est la première à inclure en situation réelle une
population représentative. Si les cliniciens jugent l’IA pertinente pour la détection des fractures,
une Garantie Humaine reste essentielle.
L’IA appliquée à l’analyse des radiographies de membres aux urgences du CHU-
AP réduit significativement les discordances et les rappels, optimisant ainsi la prise en charge.
Toutefois, il est crucial de confirmer les résultats en multicentrique.