A responsible framework for applying artificial intelligence on medical images and signals at the point-of-care: the PACS-AI platform

Le potentiel de l'intelligence artificielle (IA) en médecine réside dans sa capacité à améliorer la capacité des cliniciens à analyser les images médicales, améliorant la précision et l'exactitude diagnostiques et renforçant ainsi les tests actuels. Cependant, l'intégration de l'IA dans les soins de santé est semée de difficultés. L'hétérogénéité parmi les applications des systèmes de soins de santé, la dépendance à l'égard de logiciels propriétaires à code source fermé et les menaces croissantes en matière de cybersécurité posent des défis importants. En outre, avant d'être déployés en milieu clinique, les modèles d'IA doivent démontrer leur efficacité dans un large éventail de scénarios et être validés par des études prospectives, mais pour ce faire, il faut les tester dans un environnement reflétant le flux de travail clinique, ce qui est difficile à réaliser sans logiciel dédié. Enfin, l'utilisation de techniques d'IA dans les soins de santé soulève d'importantes questions juridiques et éthiques, telles que la protection de la vie privée des patients, la prévention des biais et le contrôle de la sécurité et de l'efficacité des dispositifs pour assurer la conformité aux réglementations. Cette étude décrit les défis posés par l'intégration de l'IA dans les soins de santé et fournit des lignes directrices sur la manière d'aller de l'avant. Nous décrivons une solution en source ouverte que nous avons développée et qui intègre des modèles d'IA dans le système d'archivage et de transmission d'images (PACS, de l’anglais ‘Picture Archives Communication System’), appelé PACS-AI. Cette approche vise à améliorer l'évaluation des modèles d'IA en facilitant leur intégration et leur validation dans les bases de données d'imagerie médicale existantes. Le PACS-AI peut surmonter de nombreux obstacles au déploiement de l'IA actuels et offrir une voie vers un déploiement responsable, équitable et efficace des modèles d'IA dans les soins de santé. En outre, nous proposons une liste de critères et de lignes directrices que les chercheurs en IA devraient adopter lors de la publication d'un modèle d'IA médicale afin d'améliorer la normalisation et la reproductibilité.