Key points are not available for this paper at this time.
Les algorithmes d'intelligence artificielle (IA) pour la détection et la classification automatiques des nodules pulmonaires peuvent assister les radiologues dans leur routine quotidienne d'évaluation des TDM thoraciques. Bien que de nombreux algorithmes d'IA pour ces tâches aient déjà été développés, leur mise en œuvre dans le flux de travail clinique est encore largement insuffisante. En plus du nombre significatif de résultats faux positifs, l'un des raisons de cela est le biais que ces algorithmes peuvent contenir. Dans cette revue, différents types de biais pouvant exister dans les algorithmes de détection et de classification des nodules en TDM thoracique sont listés et discutés. Des exemples issus de la littérature où chaque type de biais se produit sont présentés, ainsi que des moyens d'atténuer ces biais. Différents types de biais peuvent se produire dans les algorithmes d'IA en TDM thoracique pour la détection et la classification des nodules pulmonaires. Leur atténuation peut être très difficile, voire impossible à réaliser complètement.
Sourlos et al. (Mer,) ont étudié cette question.