Une revue systématique de l'évaluation de la qualité des images médicales

L'évaluation de la qualité des images médicales (MIQA) est essentielle en imagerie médicale et affecte directement le diagnostic, le traitement des patients et les résultats cliniques généraux. Des images précises et de haute qualité sont nécessaires pour établir des diagnostics exacts, concevoir des traitements de manière efficace et surveiller les maladies de façon cohérente. Cette revue résume quarante-deux études de recherche sur diverses approches de MIQA et leurs effets sur la performance en matière de diagnostics, de résultats pour les patients et d'efficacité dans le processus. Elle contraste les méthodes d'évaluation subjectives (évaluation manuelle) et objectives (basées sur des règles), souligne la promesse croissante de l'intelligence artificielle et de l'apprentissage automatique (ML) dans l'automatisation de la MIQA, et décrit les défis existants en matière de MIQA. Les outils alimentés par l'IA révolutionnent la MIQA avec des contrôles de qualité automatisés, la réduction du bruit et l'élimination des artefacts, produisant une évaluation d'imagerie cohérente et fiable. Une qualité d'image améliorée est démontrée dans chaque examen pour améliorer la précision diagnostique et soutenir la prise de décision en clinique. Cependant, des défis subsistent, tels que la variabilité de la qualité, la variabilité des évaluations humaines et les petits ensembles de données qui entravent la normalisation. Ceux-ci doivent être abordés par des données de meilleure qualité, un étiquetage à faible coût et une normalisation. En fin de compte, cet article renforce la nécessité d'une imagerie médicale de haute qualité et le potentiel de la MIQA avec le pouvoir de l'IA. Il est crucial de faire progresser la recherche dans ce domaine pour avancer en matière de soins de santé.