Différents algorithmes peuvent aider à l’interprétation des épreuves fonctionnelles respiratoires (EFR) mais ni les pneumologues, ni les algorithmes dérivés des recommandations de l’American Thoracic Society (ATS) et de l’European Respiratory Society (ERS) ne sont suffisamment précis pour assurer seuls une lecture correcte.
À l’heure actuelle, il n’existe aucune donnée sur les avantages d’une collaboration entre l’IA et le pneumologue pour interpréter les EFR. En outre, les algorithmes d’IA ne peuvent pas fournir d’explications à leurs résultats. Or, il est essentiel de comprendre le raisonnement qui sous-tend leurs prédictions, en particulier si le clinicien planifie une action en se basant sur elles. Il existe aujourd’hui plusieurs méthodes qui permettent de délivrer des explications, rendant l’IA plus transparente. Ce nouveau paradigme de l’IA est appelé IA explicable (XAI).
Une nouvelle étude impliquant plusieurs spécialistes belges reconnus visait à tester l’hypothèse qu’un pneumologue aidé par les suggestions de la XAI serait supérieur à un pneumologue travaillant seul dans l’interprétation des EFR. Cette étude s’est déroulée en deux phases, incluant chacune 24 rapports d’EFR disposant de diagnostics de référence cliniquement validés. La phase 1 était de type monocentrique et impliquait des pneumologues de la KUL. Dans la phase 2, 62 des 88 pneumologues invités provenaient de diverses institutions européennes. La phase 2 n’a été lancée qu’après avoir constaté que les critères d’évaluation primaires de la phase 1 avaient été rencontrés.
Chaque rapport d’EFR a été interprété sans (contrôle) et avec les suggestions de la XAI (intervention). Les pneumologues ont fourni un diagnostic différentiel composé d’un diagnostic préférentiel et jusqu’à trois diagnostics optionnels. Le critère d’évaluation principal concernait la justesse des diagnostics préférentiels et optionnels dans la phase contrôle et dans la phase intervention. Les auteurs ont également analysé l’influence du XAI sur les décisions des pneumologues.
Dans la phase 1, la précision moyenne des diagnostics préférentiels et optionnels a augmenté de manière significative, de 10,4% et 9,4% respectivement, entre le contrôle et l’intervention (p < 0,001). Les améliorations étaient plus faibles mais très significatives (p < 0,0001) en phase 2 (respectivement 5,4% et 8,7% respectivement).
Dans les deux phases, le nombre de diagnostics différentiels n’a pas diminué mais la confiance dans le diagnostic et l’accord entre évaluateurs ont augmenté de manière significative avec l’intervention, amenant les pneumologues à actualiser leurs décisions et permettant d’améliorer leurs performances.
En conclusion de cette étude, la collaboration entre pneumologues et XAI devrait permettre de mieux interpréter les EFR.
