The electrocardiogram, chest x-ray, and skin lesion interpretation are a diagnostic process that applies image analysis. Knowledge and sufficient clinical experience are necessary to achieve expertise in these fields. However, recent advances in medical informatics, particularly in deep learning, are challenging this diagnostic process and physicians' performance. Only a fraction of clinical diagnostic support based on artificial intelligence (AI) has been validated in a clinical environment, limiting its use at the patient's bedside. Gradual AI integration into medical practice will require that the physicians remain able to assess the strengths and limitations of these new algorithms.
La lecture d’un ECG, l’analyse d’une radiographie du thorax ou l’approche d’une lésion dermatologique mettent l’interprétation d’une image au centre de la démarche diagnostique. Elles imposent un apprentissage des bases théoriques nécessaires et une exposition suffisante en milieu clinique. Or, les avancées récentes en informatique médicale, en particulier du deep learning, remettent en question l’approche diagnostique classique, disputant leurs performances aux médecins. Cependant, seul un petit nombre d’études relatives à l’intelligence artificielle sont validées à ce jour dans un contexte clinique, limitant son usage au lit du patient. A l’avenir, l’intelligence artificielle pourra progressivement être introduite dans la pratique médicale, pour autant que les médecins eux-mêmes restent capables d’évaluer la qualité de l’aide au diagnostic proposée par le deep learning.