IA aide au diagnostic médical

Contexte

Hôpital universitaire (CHU) de 2000 lits avec un service de radiologie réalisant 300K examens d'imagerie par an (IRM, scanner, radiographie). L'équipe de 25 radiologues fait face à une charge de travail croissante (+10%/an) sans recrutement possible (pénurie de radiologues). Le délai de lecture des examens non urgents est passé de 24h à 48h en 2 ans.

Problème & Défi

Délai de lecture radiologique des examens non urgents : 48h, impactant la prise en charge des patients. Charge de travail des radiologues : +10%/an sans possibilité de recrutement (pénurie nationale). Examens urgents parfois noyés dans la file d'attente : les cas graves ne sont pas toujours détectés rapidement. Fatigue des radiologues : taux d'erreur estimé à 3-5% en fin de journée. Impossibilité de dépister systématiquement les incidentalomes (trouvailles fortuites).

Solution & Livrables

Modèle d'IA d'aide à la lecture radiologique entraîné sur 500K+ examens annotés par les radiologues du CHU. Pré-tri automatique des examens par urgence : les cas suspects de pathologie grave remontent en priorité. Aide à la détection : mise en évidence des zones d'intérêt sur les images (nodules, fractures, épanchements). Second lecteur IA : vérification systématique des examens avec alerting en cas de discordance. Dashboard performance : temps de lecture, concordance IA/radiologue, taux de détection par pathologie. Opéré dans la durée avec SLA contractuels.

Technologies