Radiologie : une méthode pour mieux mesurer la fiabilité des diagnostics

Dans un rapport de radiologie, un seul mot peut modifier la trajectoire de soins d’un patient. Écrire qu’une pneumonie est « probable » n’a pas la même portée clinique que signaler qu’une image « peut correspondre » à une pneumonie. Le premier énoncé peut encourager une prise en charge rapide, le second conduire à demander des examens complémentaires. Pourtant, ces formulations restent nécessairement subjectives : elles traduisent une lecture experte, mais aussi un degré d’incertitude.

Des chercheurs du Massachusetts Institute of Technology (MIT), avec des cliniciens affiliés à la faculté de médecine de Harvard, ont conçu un cadre pour évaluer plus finement cette incertitude. Leur ambition n’est pas de supprimer le jugement du radiologue ni de transformer mécaniquement chaque compte rendu en score. Elle consiste à vérifier si les mots employés pour exprimer une conviction correspondent bien à la fréquence à laquelle les pathologies sont effectivement présentes sur les images.

L’enjeu est très concret : améliorer la cohérence entre la formulation d’un rapport et sa fiabilité observée peut aider les médecins qui le lisent à prendre des décisions mieux informées. La démarche s’inscrit dans un problème central de l’imagerie médicale : communiquer clairement ce qui est visible, ce qui est plausible, et ce qui demande encore confirmation.

Pourquoi les mots des radiologues comptent autant

Un radiologue interprète une radiographie, un scanner ou une autre image médicale, puis transmet ses constatations dans un compte rendu. Ce document ne sert pas seulement à décrire une anomalie. Il permet aussi au médecin qui suit le patient d’estimer le niveau de confiance associé à une hypothèse diagnostique.

Dans ce contexte, des expressions telles que « possible », « peut représenter », « probable » ou « très probable » ont une fonction importante. Elles expriment une appréciation clinique qui ne peut pas toujours être tranchée à partir d’une image seule. Une opacité pulmonaire, par exemple, peut avoir plusieurs explications. Le rôle du compte rendu est alors de faire comprendre à quel point l’une de ces explications paraît étayée.

Le problème est que deux lecteurs peuvent ne pas associer exactement la même probabilité à une même formule. De même, un radiologue peut utiliser un terme avec prudence dans une situation où son interprétation est, au regard des résultats disponibles, assez fiable. À l’inverse, une formulation très affirmée peut se révéler trop optimiste dans des cas plus difficiles à interpréter.

Cette nuance a des conséquences pratiques. Une formulation suggérant fortement une pathologie peut accélérer un traitement ou une orientation médicale. Une formulation plus réservée peut conduire à surveiller l’évolution, à confronter l’imagerie avec d’autres données cliniques ou à réaliser un examen supplémentaire. Aucune de ces réactions n’est automatiquement bonne ou mauvaise : tout dépend de la situation. Mais elles reposent en partie sur les mots choisis.

La calibration, un outil pour relier langage et réalité clinique

Le cœur de la nouvelle méthode repose sur la notion de calibration. Dans un système bien calibré, le niveau de certitude communiqué doit correspondre, autant que possible, à ce qui est observé par la suite. Si une expression est employée pour signaler une forte probabilité, les cas ainsi décrits devraient effectivement confirmer fréquemment la pathologie évoquée.

Cette logique est familière dans les statistiques et dans l’évaluation des modèles informatiques. Un outil qui annonce une probabilité de 80 % devrait, sur un grand nombre de situations comparables, avoir raison approximativement huit fois sur dix. Appliquée au langage médical, la difficulté est plus grande : un mot comme « probable » n’est pas un nombre précis et sa signification varie selon les personnes, les pathologies et le contexte clinique.

Les chercheurs proposent donc de ne pas assigner une valeur fixe et unique à des termes tels que « certain » ou « possible ». Leur cadre modélise plutôt ces expressions comme des distributions de probabilités. Autrement dit, il tient compte du fait qu’une formulation peut couvrir une gamme d’estimations, plutôt qu’un seuil exact universel.

Cette approche cherche à mieux représenter les nuances du langage naturel. Elle évite de faire comme si tous les radiologues, tous les médecins prescripteurs et tous les cas cliniques comprenaient rigoureusement un terme de la même manière. Le résultat visé est une mesure plus fidèle de l’écart éventuel entre la certitude exprimée dans le rapport et la présence d’une pathologie dans les images médicales.

Ce que révèle l’analyse des comptes rendus cliniques

Les évaluations menées avec ce cadre montrent que la relation entre vocabulaire et exactitude n’est pas toujours intuitive. Les radiologues peuvent parfois être sous-confiants dans leurs formulations pour des affections courantes, telles que l’atélectasie. L’atélectasie correspond à un affaissement partiel ou complet d’une zone du poumon, susceptible d’apparaître sur une imagerie thoracique.

À l’inverse, les résultats indiquent une tendance à exagérer la certitude pour des pathologies plus ambiguës. Le constat ne vise pas à mettre en cause la compétence individuelle des radiologues. Il souligne les limites inhérentes à l’expression linguistique d’un jugement probabiliste : le même niveau de prudence ne convient pas forcément à toutes les situations diagnostiques.

Pour les équipes médicales, une sous-confiance peut rendre une observation plus hésitante qu’elle ne le mérite. Une surconfiance peut, à l’opposé, donner un poids excessif à une hypothèse qui reste incertaine. Dans les deux cas, l’objectif n’est pas d’obtenir des rapports plus catégoriques. C’est d’obtenir des rapports dont le niveau de certitude est mieux ajusté.

La recherche met ainsi en lumière un aspect parfois discret de la qualité des soins. Le compte rendu radiologique est un outil de coordination entre professionnels. Sa précision dépend de la qualité de l’interprétation de l’image, mais également de la façon dont cette interprétation est formulée et comprise.

Une carte de calibration pour guider la formulation

Les chercheurs ont élaboré une carte de calibration. Son rôle est de suggérer les termes que les radiologues pourraient privilégier afin d’améliorer la crédibilité et la cohérence de leurs rapports. Au lieu d’imposer un langage standardisé de manière rigide, une telle carte peut faire apparaître les formulations qui s’alignent le mieux avec les résultats cliniques observés.

L’idée est importante, car le vocabulaire diagnostique remplit plusieurs fonctions à la fois. Il doit être suffisamment clair pour le médecin qui reçoit le rapport. Il doit aussi laisser la place à l’incertitude lorsque l’image ne permet pas de conclure définitivement. Enfin, il doit être compatible avec les habitudes de rédaction et les contraintes du travail clinique.

La carte de calibration pourrait donc servir de support pédagogique ou de référence dans un service. Elle aiderait à comparer la signification pratique des différentes formulations et à réduire les écarts d’interprétation. Elle ne remplace ni l’examen du patient, ni les informations biologiques, ni le dialogue entre cliniciens. Elle intervient à un autre niveau : celui de la communication de la confiance diagnostique.

En quoi cette approche diffère des scores de confiance classiques

Dans de nombreux outils d’aide au diagnostic, notamment ceux fondés sur l’intelligence artificielle, le niveau de confiance est souvent affiché sous la forme d’un score ou d’un pourcentage. Cette présentation a l’avantage de la simplicité, mais elle ne résout pas automatiquement le défi de la communication humaine : les médecins rédigent et lisent des phrases, dans des contextes très différents.

Le cadre du MIT et des cliniciens affiliés à Harvard se concentre précisément sur cette dimension linguistique. Il analyse les formulations de certitude présentes dans les rapports et les relie à des distributions de probabilité. La méthode prend donc au sérieux le fait que les mots ne sont pas de simples étiquettes interchangeables.

Cette distinction est particulièrement utile pour réfléchir au rôle de l’IA en santé. Les systèmes informatiques peuvent contribuer à analyser de grands volumes de données et à repérer des régularités. Mais le résultat doit ensuite être intégré à un processus médical, communiqué de manière compréhensible, puis interprété à la lumière du dossier du patient. Une bonne calibration du langage humain peut compléter, plutôt que concurrencer, les outils quantitatifs.

Il serait néanmoins prématuré de voir dans cette méthode un dispositif autonome de diagnostic. La recherche porte sur l’évaluation et l’amélioration de la fiabilité de formulations présentes dans les rapports. Elle ne dispense pas d’une validation clinique, de protocoles adaptés et de la responsabilité des professionnels de santé.

Quelles applications pour les services de radiologie ?

Dans la pratique, un tel cadre pourrait aider les services à examiner la façon dont les niveaux de certitude sont exprimés dans leurs propres comptes rendus. Il pourrait aussi alimenter des échanges entre radiologues et médecins cliniciens : quelles formulations entraînent le plus souvent une action ? Sont-elles interprétées de façon homogène ? Correspondent-elles au niveau de fiabilité attendu ?

Cette démarche peut intéresser la formation. Les futurs radiologues apprennent à identifier les signes visibles sur les images, mais aussi à rédiger des conclusions utiles à la décision médicale. Disposer d’un retour sur la calibration de certaines expressions pourrait les aider à mieux relier le langage de leurs rapports aux implications cliniques.

Elle pourrait également avoir un intérêt pour la qualité des soins. Des formulations mieux alignées avec la réalité diagnostique peuvent faciliter la priorisation des cas, réduire certains malentendus et favoriser la discussion lorsque les résultats sont incertains. Ces bénéfices restent toutefois dépendants de l’adoption de l’outil, de son intégration dans les flux de travail et de son évaluation dans différents environnements cliniques.

Les chercheurs prévoient justement d’élargir leurs travaux à des données issues de tomodensitogrammes abdominaux, aussi appelés scanners abdominaux. Ils souhaitent également déterminer dans quelle mesure les radiologues seraient disposés à utiliser des suggestions destinées à améliorer la calibration de leurs phrases. Ces deux dimensions sont essentielles : une méthode prometteuse doit démontrer sa pertinence au-delà d’un contexte initial et être acceptable pour les professionnels qui produisent les rapports.

Ce qu’il faut surveiller pour la suite

La prochaine étape sera de savoir si cette méthode peut s’adapter à des pathologies, des modalités d’imagerie et des établissements variés. Le vocabulaire employé dans un compte rendu dépend du type d’examen, de la spécialité concernée et du degré d’urgence. Une calibration pertinente pour une radiographie thoracique ne se transpose pas nécessairement telle quelle à un scanner abdominal.

Il faudra aussi observer l’effet réel des recommandations linguistiques sur les décisions cliniques. Une meilleure correspondance entre les mots et les résultats est un objectif important, mais la valeur d’un rapport se mesure également à sa compréhension par les médecins qui le reçoivent et à son utilité dans le parcours de soins.

Enfin, cette recherche rappelle une leçon plus large pour l’IA et la médecine : la performance ne se résume pas à trouver un diagnostic ou à produire une probabilité. Elle dépend aussi de la capacité à exprimer clairement les limites d’une conclusion. Dans un domaine où les décisions peuvent être rapides et déterminantes, rendre l’incertitude plus lisible est une forme de précision.