Embolie pulmonaire : deux algorithmes commerciaux d'Aidoc évalués sur 17 sites, une sensibilité de 86,8 % qui tombe à 72,9 % pour les petits emboles
Une équipe d'Emory University (avec Yale) a mesuré, sur deux cohortes de 30 678 et 37 191 examens répartis dans 17 établissements d'un même système hospitalier, les performances de deux algorithmes commerciaux d'Aidoc qui signalent l'embolie pulmonaire sur scanner. La sensibilité est de 86,8 % pour l'embolie pulmonaire sur angioscanner dédié et de 73,5 % pour l'embolie découverte fortuitement, avec une spécificité supérieure à 99 % dans les deux cas. Le résultat est utile parce qu'il est indépendant du fabricant et qu'il expose un écart avec les repères de l'autorisation FDA, mais il repose sur une référence extraite de comptes rendus par un LLM, dans un seul système hospitalier, et sans comparaison à une lecture humaine.
Le contexte
L'embolie pulmonaire (EP) est l'obstruction d'une artère du poumon par un caillot, le plus souvent venu d'une veine profonde de la jambe. Elle se confirme par angioscanner pulmonaire (CTPA, un scanner avec injection de produit de contraste centré sur les artères pulmonaires). Un retard de lecture a des conséquences cliniques, d'où l'intérêt des logiciels de « triage » : l'algorithme analyse chaque examen dès sa réalisation et, s'il le juge suspect, fait remonter le dossier en tête de la liste de lecture du radiologue. Il ne pose pas le diagnostic, il change l'ordre de passage.
À côté de l'EP recherchée, il existe l'EP dite incidentale (iPE) : un caillot découvert par hasard sur un scanner prescrit pour autre chose, par exemple un bilan de cancer. Ces cas sont faciles à manquer, car le radiologue ne cherche pas cette lésion. Des algorithmes dédiés existent aussi pour cette situation.
Ces logiciels sont autorisés par la FDA américaine comme dispositifs médicaux logiciels, sur la base d'études fournies par le fabricant. Les évaluations indépendantes, menées après la mise sur le marché et sur de grands volumes d'examens courants, restent rares. C'est le créneau de ce papier, publié dans npj Digital Medicine le 21 octobre 2026 ; la page de l'éditeur précise qu'il s'agit d'une version « early share », susceptible d'être modifiée avant la version définitive.
La méthode
L'étude est rétrospective : elle porte sur des examens déjà réalisés. Elle évalue deux algorithmes de la plateforme BriefCase d'Aidoc Medical, tous deux autorisés par la FDA : l'un pour le triage de l'EP sur angioscanner dédié (30 678 examens), l'autre pour la détection de l'EP incidentale sur des scanners avec contraste de routine (37 191 examens). Les examens proviennent de 17 établissements d'un même système hospitalo-universitaire.
La question clé pour une telle évaluation est celle de la « vérité terrain », c'est-à-dire de ce qui sert de référence pour dire si l'embolie était réellement présente. Ici, les étiquettes ont été extraites des comptes rendus de radiologie par un pipeline fondé sur un LLM (large language model, un modèle de langage qui lit et interprète du texte). Les auteurs indiquent que ce pipeline a été validé, avec 97 % d'exactitude et un kappa de 0,94 (le kappa mesure l'accord entre deux évaluateurs en corrigeant la part due au hasard ; 1 correspond à un accord parfait). Aidoc a fourni les sorties agrégées de ses algorithmes, sans rôle dans la conception, l'analyse, l'interprétation ou la rédaction, selon les auteurs.
Les métriques sont la sensibilité (part des embolies réelles que l'algorithme signale) et la spécificité (part des examens sans embolie qu'il laisse correctement passer), ainsi que des découpages par type d'embolie.
Les résultats
Métriques ML. Pour l'EP sur angioscanner dédié, la sensibilité est de 86,8 % et la spécificité de 99,1 %. La sensibilité varie fortement selon le type d'embolie : 99,3 % pour les emboles « en selle » (gros caillots à cheval sur la bifurcation des artères pulmonaires), mais 72,9 % pour les emboles sous-segmentaires (dans les plus petites branches). Elle est de 89,7 % pour les EP aiguës et de 65,3 % pour les EP non aiguës (anciennes, déjà organisées). Pour l'EP incidentale, la sensibilité est de 73,5 % et la spécificité de 99,8 %. Les auteurs écrivent que les deux modèles ont une sensibilité inférieure aux repères de l'autorisation FDA et une spécificité supérieure.
Traduction clinique. Sans connaître la prévalence, on peut déjà raisonner par groupes de cas : sur 100 examens contenant réellement une EP, le premier algorithme en manque environ 13 (100 − 86,8) ; sur 100 examens contenant une EP incidentale, le second en manque environ 26 (100 − 73,5). Dans l'autre sens, sur 100 examens sans EP, le premier produit en moyenne moins d'une fausse alerte (0,9) et le second en produit 0,2. Ce que ces chiffres ne permettent pas de dire, c'est la valeur prédictive positive, c'est-à-dire la probabilité qu'une alerte soit vraie : elle dépend de la fréquence de l'EP dans la population, que la version consultée ne donne pas. Ces conversions sont notre calcul, pas celui des auteurs.
Ce qui est bien
Un volume réel, sur 17 sites. Près de 68 000 examens de routine, répartis sur 17 établissements, offrent une base d'évaluation bien plus proche de la pratique que les petits jeux de données sélectionnés des études d'autorisation.
Un découpage qui révèle où l'algorithme faiblit. Passer d'une sensibilité globale de 86,8 % à une fourchette de 99,3 % à 72,9 %, puis à 89,7 % contre 65,3 % selon le caractère aigu, est l'information utile. Le chiffre moyen cachait que les petits caillots périphériques et les caillots anciens sont les cas où l'outil laisse passer le plus.
Une indépendance déclarée et un résultat défavorable publié. Les auteurs déclarent ne pas avoir de financement spécifique ni de conflit d'intérêts, précisent que le fabricant n'a fourni que des sorties agrégées, et publient un écart de sensibilité par rapport aux repères de l'autorisation. Ce n'est pas le réflexe habituel des évaluations financées par l'industrie.
Ce qui est moins bien
Une référence fragile et possiblement circulaire (métrique et étiquettes trompeuses). La vérité terrain vient des comptes rendus, eux-mêmes lus par un LLM. Une embolie que le radiologue n'a pas vue n'est dans aucun compte rendu : elle serait comptée comme fausse alerte de l'algorithme, ce qui sous-estime la spécificité et peut aussi masquer des vrais positifs. Inversement, si l'alerte de l'algorithme était visible des radiologues pendant la période, elle a pu influencer le compte rendu (biais d'automatisation), ce qui rapprocherait artificiellement la référence de la sortie de l'outil. La version lue n'indique pas si ce cas se présente, ni si les étiquettes ont été revérifiées sur un échantillon de scanners.
Un seul système hospitalier, un seul éditeur, un schéma rétrospectif (biais de population). Dix-sept sites d'un même réseau partagent probablement protocoles d'acquisition, scanners et population. Rien ne dit que les performances se transposent à d'autres centres. L'étude porte sur un seul fabricant et ne mesure ni le gain de délai de lecture, ni l'effet sur la prise en charge ou l'évolution des patients, qui sont pourtant la justification d'un outil de triage.
Un comparateur manquant, des incertitudes non rapportées. Les auteurs attribuent la moindre performance sur les emboles périphériques et non aigus à des limites qui touchent aussi les lecteurs humains, mais l'étude, telle que présentée, ne compare pas l'algorithme à une lecture de radiologue : l'affirmation n'est donc pas démontrée ici. Par ailleurs, la version consultée ne donne ni intervalles de confiance, ni prévalence, ni résultats par site, ni définition détaillée des EP aiguës et non aiguës, ni disponibilité des données ou du code, et ne comporte pas de section de limites.
Ce que ça change
Pour la communauté de recherche. Le papier illustre un format d'évaluation post-commercialisation à grande échelle, utilisable par un hôpital sans l'aide du fabricant. Reste à renforcer la vérité terrain (revue d'images, pas seulement de comptes rendus) et à comparer à la lecture humaine.
Pour les cliniciens. Un outil de triage ne remplace pas la lecture complète de l'examen, et l'absence d'alerte ne vaut pas absence d'embolie, particulièrement pour les petits emboles sous-segmentaires et les EP anciennes, où la sensibilité mesurée est la plus basse. Les performances réelles d'un outil dans un service dépendent de cet hôpital ; cette étude ne valide pas son usage dans un cas particulier.
Pour les patients et le public. Ces logiciels semblent bien calibrés pour éviter les fausses alarmes, moins pour attraper tous les cas discrets. Le papier ne démontre pas que les patients en tirent un bénéfice mesurable en délai ou en résultats ; cette preuve reste à produire.
Pour aller plus loin
Article : Mansuri A., Chavoshi M., Dapamede T., Bala W., Brown-Mulry B., Isaac R. S., Li H., Li F., Moon J. T., Cohen-Addad D. I. G., Salastekar N. V., Newsome J., Gichoya J. W., Khosravi B., Robichaux C., Trivedi H., « Multi-site real-world performance of commercial AI for pulmonary and incidental pulmonary embolism detection », npj Digital Medicine, 21 octobre 2026, DOI 10.1038/s41746-026-03418-3 (nature.com/articles/s41746-026-03418-3), accès libre. Affiliations : Emory University School of Medicine (Radiology and Imaging Sciences ; Biomedical Informatics) et Yale University. Cadre réglementaire : les logiciels de triage relèvent des dispositifs médicaux logiciels (SaMD) de la FDA.
Mention de transparence éditoriale : cet article a été produit par la chaîne éditoriale automatisée de Tatakoto à partir de la page de l'éditeur (version « early share ») ; le texte intégral et les annexes n'ont pas pu être consultés. Les chiffres sont ceux de cette page ; les conversions cliniques sont de notre calcul. Les versions anglaise, espagnole et chinoise sont générées par IA. Une erreur ? Contactez-nous.