Mesures biométriques dans le diagnostic: comparaison des experts et des résidents assistés par l'IA (BIOMEDEXIA)

L'échographie obstétrique est la pierre angulaire de l'évaluation de la croissance fœtale. Il fournit des mesures biométriques essentielles pour estimer le poids fœtal, surveiller la croissance et identifier les conditions telles que le retard de croissance intra-utérine (RCIU) ou la macrosomie. La précision de ces mesures dépend en grande partie de l'expertise de l'opérateur. Les praticiens expérimentés excellent dans le positionnement de la sonde, l'identification des repères anatomiques et l'obtention de mesures reproductibles. En revanche, les opérateurs novices, tels que les résidents médicaux, peuvent avoir du mal à capturer des images optimales ou à identifier des repères précis, entraînant une variabilité significative. Cette variabilité inter-observatrice, bien documentée même chez les experts, peut avoir un impact sur les décisions cliniques et la gestion obstétricale. Pour les novices, la variabilité est plus prononcée, ce qui peut affecter la fiabilité diagnostique et les soins aux patients. L'amélioration de la formation des résidents est donc essentielle pour réduire cette variabilité. Les solutions traditionnelles à la minimisation de la variabilité, telles que l'augmentation de la supervision, les limitations du visage en raison des contraintes de temps et de la disponibilité des ressources. Les progrès récents de l'intelligence artificielle (IA) pourraient aider à la formation des résidents. En obstétrique, l'IA pourrait potentiellement automatiser les mesures biométriques en identifiant les points de repère anatomiques clés et en effectuant des mesures précises et cohérentes. Ces systèmes peuvent normaliser l'acquisition et réduire la variabilité, ce qui rend les mesures moins dépendantes de l'expérience de l'opérateur. Les technologies de l'IA pourraient améliorer considérablement les performances novices en raccourcissant potentiellement la courbe d'apprentissage et en améliorant la fiabilité de la mesure. Cela pourrait permettre aux résidents de travailler plus indépendamment tout en maintenant la précision. Malgré ces avantages potentiels, peu d'études auraient rigoureusement comparé la performance novice assistée par l'IA avec celle des praticiens experts dans des conditions réelles. L'objectif principal serait de déterminer si l'aide de l'IA pourrait permettre aux novices d'atteindre une précision de mesure comparable à celle des praticiens expérimentés, tout en améliorant potentiellement la reproductibilité et en réduisant la variabilité inter-observateurs.