Université de Rennes 1 Valeur ajoutée de l'intelligence artificielle pour le diagnostic des ruptures partielles du ligament croisé antérieur sur l'IRM du genou Added value of artificial intelligence for partial anterior cruciate ligament tear diagnosis on knee MRI GenouRuptures partielles du LCASystème d’intelligence artificielIRM Kneepartial anterior cruciate ligament tearsArtificial Intelligence systemMRI Intelligence artificielle en médecine Ligament croisé antérieur du genou Lésions et blessures Diagnostic Genou Imagerie par résonance magnétique Évaluation médicale Objectif : Évaluer la valeur ajoutée des modèles d'intelligence artificielle (IA) sur les performances diagnostiques de lecteurs juniors (internes) pour détecter les ruptures partielles du LCA en IRM. Matériel et méthode : L’ensemble des données d'évaluation comprenait 100 IRM du genou (âge moyen 36.6 ans, 51% d'hommes), pour lesquelles le diagnostic de référence pour les ruptures partielles du ligament croisé antérieur (LCA) a été établi par un consensus d'experts de deux radiologues ostéoarticulaires. Il a été demandé à cinq lecteurs juniors de classer chacune des 100 IRM sans l'aide de l'IA dans un premier temps, puis quatre semaines plus tard, de reclasser ces 100 examens avec l'aide de l'IA. Le modèle d'IA était un produit marqué CE (Keros - Incepto médical (c)). Les performances des lecteurs et de l'IA ont été évaluées à l'aide de métriques comme la sensibilité et la spécificité et de courbes ROC. Le temps de lecture pour chaque IRM a également été enregistré et comparé sans et avec l'IA. Résultats : La prévalence de la pathologie pour la rupture partielle du LCA était de 39% Les valeurs de sensibilité des lecteurs (sans / avec IA) étaient de 0,788/0,727 (IC 95 % [0,737; 0,833]/[0,69 ; 0,0775], p=0,166). Les valeurs de spécificité des lecteurs (sans / avec IA) étaient de 0,793/0,961 (IC à 95 % [0,753 ;0,819]/[0,942 ; 0,985], p=0). Les taux de prédiction correct des lecteurs (sans/avec IA) étaient de 0.791/0.87 (IC 95% [0.756;0.819]/[0.843 0.897], p=0.001). Conclusion : L'assistance de l'IA a conduit à une augmentation statistiquement significative de la spécificité, une variation non significative de la sensibilité et dans l’ensemble une augmentation de l’accuracy. Les algorithmes d'IA ont un impact positif global sur les performances radiologiques. Purpose: To evaluate the added value of artificial intelligence (AI) models on the diagnostic performance of junior readers (residents) in detecting partial anterior cruciate ligament (ACL) tears on MRI. Materials and methods: The evaluation dataset included 100 knee MRI examinations (mean age 36.6 years, 51% male), for which the ‘gold standard’ diagnosis for partial ACL tears was established by consensus of two expert musculoskeletal radiologists. Five resident readers were asked to classify each of the 100 MRI images without the aid of AI initially and then four weeks later to re-rank these 100 examinations with the aid of AI. The AI model was a CE-marked product (keros - Incepto medical (c)). Reader and AI performance was evaluated using sensitivity/specificity metrics and ROC curves, respectively. Reading time for all cases was also recorded and compared without and with AI. Results: The prevalence of partial ACL tear pathology was 39%. Reader sensitivity values (without/with AI) were 0.788/0.727 (95% [0.737;0.833]/[0.69; 0.0775], p=0.166). Reader specificity values (without/with AI) were 0.793/0.961 (95% [0.753;0,819]/[0.942; 0.985], p=0). Reader accuracy values (without/with AI) were 0.791/0.87 (95%[0.756;0.819]/[0.843 0.897], p=0.001). Conclusion: AI assistance led to a significant increase in specificity, a non-significant change in sensitivity and an overall increase in accuracy. AI algorithms have an overall positive impact on radiological performance. Electronic Thesis or DissertationText en application/pdf1 : 3444 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/816fee5f-d9ec-4eed-91ed-bbd6585c6285 Salem Marie-Claire 1995-07-03 FR 275135292 marie.salem@hotmail.fr 2023URENM099 http://www.theses.fr/2023URENM099 2023-09-25 Médecine Universite de Rennesthesis.degree.grantor_1 26693823X Doctorat (thèse d'exercice) non nonGuillinRaphaëlintervenant_1092839533 ddc:610 GuillinRaphaëlUniversite de RennesSciences et technologie, medecine, pharmacie, odontologie, droit, economie, gestion, philosophie ASCII PDF 3527083 confidentialité 2023-09-25 2024-12-31 restriction 2023-09-25 2024-12-31