Quand l’IA fait sens – pour des flux PACS efficaces

L’intelligence artificielle a débarqué dans le diagnostic radiologique. Mais elle ne deviendra réellement productive que là où l’ancien et le nouveau monde de la radiologie adopteront un langage normatif commun. C’est la condition indispensable à la future intégration de l’ensemble du flux d’examen au PACS.

Après environ deux décennies passées sur le marché du PACS, une chose est sûre : Mark Rawanschad est un expert. Lorsqu’une jeune entreprise viennoise spécialisée dans l’IA lui demanda s’il pouvait envisager de passer d’un grand groupe à une start-up, il n’a pas manqué de poser la question qui lui semblait essentielle : « Comment imaginez-vous l’intégration à un PACS ? » Cinq ans plus tard, contextflow fait partie des principaux prestataires en analyses assistées par IA de scans thoraciques et est la seule entreprise autrichienne à avoir obtenu en 2023 une subvention du programme européen European Innovation Council Accelerator Programm. Et Mark Rawanschad, en qualité de Business Development Manager, est responsable de l’extension de la clientèle qui compte actuellement un peu plus de 40 établissements.

Une clinique sur 5 a recours à l’IA dans ses diagnostics

Le marché de l’IA connaît de manière générale une croissance fulgurante. Une étude publiée pendant l’été dans la revue médicale Deutsches Ärzteblatt considère que l’on peut envisager le début d’une « nouvelle phase allant du développement expérimental à l’application productive ». Les chiffres appuient cette estimation : en juillet 2025, l’agence américaine Food and Drug Administration (FDA) faisaient déjà figurer 1247 produits médicaux assistés par IA autorisés sur son site web – plus de 1000 d’entre eux dans le domaine de la radiologie. Et d’après un sondage actuel mené en commun par l’association allemande du numérique Bitkom et la fédération Hartmannbund auprès de plus de 600 médecins en Allemagne, l’IA est utilisée en vue d’appuyer le diagnostic dans quasiment un cabinet sur sept et près d’une clinique sur cinq.

Le fait qu’ADVANCE Chest CT, la solution assistée par IA de contextflow, soit souvent utilisée en combinaison avec notre JiveX Enterprise PACS s’explique par la capacité d’intégration des systèmes que nous avons déjà abordée. JiveX est en effet l’un des seuls PACS du marché à pouvoir intégrer aux images à interpréter les résultats générés par IA sous forme d’objets SR DICOM envoyés par contextflow. Les radiologues peuvent adapter l’affichage à leurs besoins et directement accéder aux anomalies. « JiveX PACS est par ailleurs en mesure de nous envoyer aussi la série de scan appropriée – ce qui est très pertinent car le « bruit de fond » est alors déjà filtré du côté du PACS, ce qui réduit la quantité de données transférées », explique Mark Rawanschad.

Mark Rawanschad est conscient du fait que l’ouverture au monde du DICOM et de l’IHE constitue un défi psychique pour certaines start-ups. « Mais en tant que fournisseur de services IA, il ne faut pas perdre de vue le fait que la radiologie dispose de flux numériques depuis déjà des décennies. Réinventer la roue serait inopportun ».

Intégration rapide et irréprochable à JiveX Enterprise PACS

Outre la qualité d’analyse de l’IA, trois critères s’avèrent décisifs pour un flux assisté par IA optimal du point de vue des experts. Il s’agit tout d’abord de la rapidité, comme l’explique Mark Rawanschad : « Devoir attendre 20 minutes pour obtenir l’évaluation d’un scan pulmonaire serait inutile. » Deuxièmement, l’acceptation par les utilisateurs augmente nettement lorsqu’ils peuvent évaluer les résultats générés par IA dans l’interface à laquelle ils sont habitués. Simon Andrzejewski, Gestionnaire produit JiveX Enterprise PACS, le souligne : « Les ruptures de média coûtent cher et font perdre du temps, notre mission consiste donc à fluidifier autant que possible le flux de travail des médecins. » Le développement systématique qui obéit à cette approche centrée sur les professionnels de santé a des conséquences concrètes, et notamment le fait que la validation de l’IA ait aussi lieu dans la toute dernière version de JiveX ainsi que la possibilité pour les radiologues de conserver un rôle décisionnaire.

La mise en œuvre du troisième critère est imminente chez VISUS : l’intégration d’une boucle de rétroaction qui permet la communication interopérable et standardisée des résultats tirés du processus de validation des résultats générés par IA. Les fabricants peuvent ainsi l’utiliser pour vérifier si la qualité des résultats varie contrairement au résultat attendu – une importante composante des prescriptions du Règlement UE sur l’intelligence artificielle relatives au suivi post-commercialisation. L’intégration du profil AIRA au JiveX PACS en fournit les bases.

D’amont en aval : en route vers un « flux axé sur le PACS »

Soyons francs, les potentialités de l’IA dans le flux radiologique ne seront pleinement exploitées que lorsque l’amont et l’aval de l’examen seront aussi intégrés. Mark Rawanschad a un avis tranché à ce sujet : « Pour moi, l’interprétation fait partie du PACS – sous une forme structurée qui intègre automatiquement les résultats générés par IA. » Notre Directeur de l’innovation, le Dr Marc Kämmerer, va encore plus loin : « Un flux axé sur le PACS doit dans l’idéal fournir aussi les informations contextuelles pertinentes sur un cas donné, par ex. sous une forme agrégée par l’IA. »

Le levier structurel le plus important qui permettrait d’étendre l’intégration de l’IA concerne les instruments de financement. Une alternative existe : les modèles d’abonnement tels que la place de marché de l’IA de connectMT qui compte désormais près de 30 solutions assistées par IA validées et permet d’épargner des ressources informatiques limitées. « Dans le modèle du pay-per-use, il convient de ne pas adopter une approche trop restrictive par rapport à la quantité d’images transmises afin que l’IA puisse jouer son rôle décisif de filet de sécurité », souligne Mark Rawanschad.

L’IA, une prestation remboursée ?

Autre possibilité encore peu éprouvée : les contrats sélectifs tels que ceux actuellement expérimentés par Healthy Hub, un regroupement de petites caisses maladie allemandes. Les cabinets participants reçoivent alors 25 euros par examen par exemple pour l’utilisation du score de malignité de contextflow, une fonction supplémentaire qui prédit la probabilité selon laquelle un nodule pulmonaire est bénin ou malin. Il en résulte dans le meilleur des cas une situation gagnante pour tous : l’investissement est en peu de temps amorti pour le cabinet, les caisses maladie font des économies grâce à des rythmes d’examen adaptés de manière optimale et les patientes et patients sont précocement informés.

Bien sûr, le mieux serait que les caisses remboursent cette prestation. Le programme annuel de dépistage précoce du cancer du poumon chez les gros fumeurs dont le lancement en Allemagne est prévu pour avril 2026 pourrait en être une passionnante application. L’importante demande que connaît contextflow indique que les radiologues allemands prévoient le succès de l’initiative. Plus le nombre de personnes qui profiteront de l’offre sera important et plus le nombre de personnes susceptibles d’avoir besoin d’aide augmentera – et tout particulièrement lorsqu’elles sont directement intégrées à leur processus d’examen.
 

À propos de contextflow

contextflow est une société dérivée de la Faculté de médecine de Vienne, de l’Université technique de Vienne et du projet de recherche européen Khresmoi. Elle développe depuis 2016 des algorithmes qui prennent en charge le diagnostic et la quantification dans des clichés radiologiques par le biais de modèles de deep learning.