Aux urgences, la difficulté n'est pas seulement de produire des images : il faut aussi identifier rapidement les examens qui présentent le risque clinique le plus élevé. Un établissement hospitalier français a récemment testé un module d'intelligence artificielle pour assister le tri des scanners, avec un objectif concret : réduire les délais de signalement tout en laissant la décision diagnostique au radiologue.
Un problème de flux avant d'être un problème d'image
Dans un service à forte activité, les demandes de scanner arrivent en continu depuis plusieurs secteurs : accueil des urgences, réanimation, unités de soins et bloc opératoire. Le degré d'urgence est indiqué dans la prescription, mais la hiérarchisation réelle dépend souvent de plusieurs facteurs : symptômes décrits, constantes du patient, disponibilité du manipulateur et nombre d'examens déjà en attente.
Le cas étudié concerne un centre équipé d'un scanner multi-barrettes et d'un serveur PACS centralisé. Avant le projet, les images étaient bien disponibles dans le dossier patient, mais la file de lecture nécessitait une surveillance manuelle. Une anomalie potentiellement critique pouvait donc être repérée uniquement lorsque le radiologue ouvrait la série correspondante.
Comment le dispositif s'intègre au parcours
À l'acquisition, les images sont envoyées vers le PACS comme dans le circuit habituel. Une copie anonymisée ou pseudonymisée est ensuite traitée par le moteur d'IA, selon les règles de sécurité définies par l'établissement. Le résultat revient sous la forme d'un indicateur associé à l'examen, sans modifier les images originales ni le compte rendu.
Pour ce pilote, l'équipe a retenu des critères centrés sur les scanners cérébraux réalisés en contexte traumatique ou neurologique aigu. Le système recherchait notamment des signes compatibles avec une hémorragie intracrânienne, une asymétrie importante ou certains effets de masse. Il ne s'agissait pas de couvrir toutes les pathologies, mais de détecter des situations dans lesquelles quelques minutes peuvent influencer l'organisation des soins.
Une alerte conçue pour rester lisible
La notification apparaît dans la worklist sous la forme d'un marqueur de couleur et d'un libellé court. Elle ne remplace ni la consultation des coupes ni la comparaison avec les examens antérieurs. Le radiologue conserve la responsabilité de l'interprétation, tandis que l'urgentiste reste informé par le circuit clinique habituel.
Cette sobriété est essentielle. Une alerte trop fréquente finit par perdre sa valeur, tandis qu'un affichage trop détaillé ralentit la lecture. Le paramétrage a donc été réalisé avec les radiologues, les urgentistes, les manipulateurs et l'équipe informatique. Les seuils ont été ajustés sur des examens locaux afin de tenir compte des protocoles d'acquisition et de la qualité des images.
Les premiers effets observés
Après une phase de validation, l'hôpital a comparé les délais entre l'arrivée des images sur le PACS et leur première lecture par un radiologue. La baisse la plus nette concernait les examens signalés comme prioritaires : ils étaient plus rapidement ouverts et plus facilement identifiés lors des périodes de forte affluence.
Le bénéfice ne résidait pas uniquement dans la rapidité. En regroupant les examens à vérifier, l'outil donnait une meilleure visibilité sur la charge de travail. Les seniors pouvaient redistribuer une partie de la file, tandis que les internes savaient quelles études devaient être discutées sans attendre. L'IA devenait ainsi un instrument de coordination plutôt qu'un simple détecteur d'anomalies.
Il faut néanmoins interpréter ces résultats avec prudence. Une alerte peut être faussement positive, et une absence de signal ne garantit jamais l'absence de lésion. Le protocole du centre rappelle donc que chaque scanner doit être lu dans son intégralité et replacé dans le contexte clinique.
L'organisation matérielle compte autant que l'algorithme
La réussite du projet a également dépendu de l'environnement de travail. Les écrans, les postes de lecture, la circulation des équipes et la visibilité des informations influencent directement la capacité à traiter une alerte. Cette attention portée à l'agencement dépasse le seul périmètre hospitalier : les réflexions publiées sur l'optimisation des espaces et l'ergonomie du quotidien, notamment sur chezsoi-studio.fr, rappellent qu'un environnement bien organisé facilite l'accès aux fonctions essentielles sans multiplier les obstacles visuels.
Dans le service, cette logique s'est traduite par une interface simplifiée, un affichage homogène sur les postes et une procédure courte en cas de désaccord avec l'algorithme. Le facteur humain a été considéré comme une composante du dispositif, et non comme une variable secondaire.
Cybersécurité et gouvernance des données
Un outil connecté au PACS doit respecter les exigences de confidentialité, de traçabilité et de disponibilité propres aux données de santé. Les flux ont été segmentés, les accès limités aux utilisateurs autorisés et chaque intervention enregistrée. L'établissement a aussi prévu une procédure de fonctionnement dégradé : en cas d'indisponibilité du moteur, le circuit radiologique classique reste pleinement opérationnel.
La gouvernance concerne également la qualité du modèle. Les performances doivent être surveillées dans le temps, sur des populations et des protocoles représentatifs du site. Une modification du scanner, une nouvelle reconstruction ou un changement de pratique peut affecter les résultats. Des réunions régulières permettent donc d'examiner les faux positifs, les examens non analysés et les éventuels biais.
Un outil d'aide, pas une automatisation du diagnostic
Ce cas pratique montre que la valeur de l'IA se situe souvent dans l'interface entre technique et organisation. En accélérant le repérage d'examens à haut risque, elle peut rendre la file de travail plus lisible et soutenir la coordination des professionnels. Elle ne dispense toutefois ni d'une lecture experte, ni d'une validation clinique, ni d'une politique rigoureuse de sécurité informatique.
Pour les établissements qui envisagent un déploiement, trois conditions apparaissent déterminantes :
- définir un usage précis et mesurable avant de choisir une solution ;
- associer les utilisateurs médicaux et paramédicaux au paramétrage ;
- évaluer régulièrement les performances, les délais et l'impact réel sur le parcours patient.
Cette démarche progressive permet d'éviter l'effet de mode et d'inscrire l'intelligence artificielle dans une stratégie plus large de radiologie numérique. Pour suivre nos analyses sur l'IA, les PACS et les innovations en imagerie, consultez notre page d'accueil.