Le Dr Clément Thomas, radiologue au CHU de Poitiers, expose la pertinence de l'intégration de l'intelligence artificielle (IA) en imagerie d'urgence, en se concentrant sur la preuve d'impact clinique et l'amélioration de l'efficacité opérationnelle. Il détaille comment les solutions d'IA peuvent transformer le workflow hospitalier à travers trois domaines majeurs : la neuroradiologie, l'imagerie ostéo-articulaire et le cardiovasculaire.

L'auteur présente diverses applications technologiques, notamment pour le TDM cérébral, où l'IA permet le triage des saignements intracrâniens (sous-dural, extra-dural, sous-arachnoïdien, intra-parenchymeux et intra-ventriculaire) et la détection rapide des occlusions proximales de la carotide interne ou des artères cérébrales moyennes pour orienter la thrombectomie mécanique. En radiographie standard, l'IA aide au dépistage des fractures et des pathologies thoraciques comme le pneumothorax ou l'épanchement pleural. Enfin, pour le cardiovasculaire, il souligne l'efficacité de l'IA dans la détection automatique des embolies pulmonaires proximales et des dissections aortiques (types A et B), avec une valeur prédictive négative quasi parfaite pour ces dernières.

Pour illustrer l'impact concret, le Dr Thomas cite l'exemple de la réduction du "door to puncture time" lors d'un AVC, montrant qu'une implémentation de l'IA diminue significativement le délai entre le diagnostic et l'intervention en salle de radiologie interventionnelle, tout en réduisant la variabilité entre les patients.

Le message clé pour le clinicien est que l'IA doit être perçue comme un outil de soutien au workflow — permettant la priorisation des examens critiques et la réduction des erreurs — et non comme un substitut. L'auteur insiste sur la nécessité de maintenir un regard critique, en distinguant l'efficacité en conditions contrôlées de l'effectiveness en vie réelle, tout en rappelant qu'un examen classé négatif par l'IA ne doit pas être systématiquement interprété comme un examen normal.