Résumés CPLF 2026
Utilisation de l’intelligence artificielle pour la lecture automatique des EFR : comparaison avec l’interprétation humaine
Auteur correspondant : Lhachimi K.
Introduction
L'interprétation des explorations fonctionnelles respiratoires (EFR) est essentielle pour le diagnostic et le suivi des maladies respiratoires. L'avènement de l'intelligence artificielle (IA) offre la possibilité d'automatiser cette lecture, mais la fiabilité de ces outils par rapport à l'interprétation humaine reste à évaluer. L'objectif de cette étude est de comparer la lecture automatique des EFR par un logiciel d'IA spécialisé dans l'analyse des EFR avec l'interprétation réalisée par des résidents en pneumologie, tout en respectant les règles éthiques et la confidentialité des données, aucun renseignement personnel n'ayant été diffusé via Internet.
Méthodes
Il s'agit d'une étude rétrospective incluant 120 EFR réalisées au service de pneumologie de l'Hôpital Errazi, CHU Mohammed VI, sur une période de 12 mois (juillet 2024 - juin 2025). Chaque examen a été interprété :
-Par un logiciel d’intelligence artificielle spécialisé, le SpiroAI™, conçu pour l’analyse automatisée des EFR. Le logiciel classe les examens selon les types de troubles ventilatoires (obstructif, restrictif, mixte, normal) en se basant sur les paramètres clés des EFR (VEMS, CVF, CPT, DLCO, VR) et sur des algorithmes d’apprentissage supervisés validés sur de larges bases de données cliniques. SpiroAI™ fournit également un score de confiance pour chaque classification, permettant d’identifier les examens nécessitant une révision manuelle.
-Par deux résidents en pneumologie indépendants, qui ont interprété les EFR selon les recommandations internationales (ATS/ERS 2019), en étant blindés vis-à-vis des résultats de l’IA.
-La concordance entre la lecture automatique et humaine a été évaluée par le coefficient kappa, et les discordances ont été analysées pour identifier les sources d’erreur. Tous les examens ont été traités de manière anonyme, conformément aux règles éthiques, et aucune donnée personnelle n’a été diffusée via Internet.
Résultats
L'âge moyen des patients était de 49 ans, avec une prédominance masculine (57%). La concordance globale entre l’IA (SpiroAI™) et l'interprétation humaine était bonne (kappa=0,82). Pour le diagnostic de syndrome obstructif, la sensibilité de l'IA était de 91% et la spécificité de 87%, et pour le diagnostic de syndrome restrictif, la sensibilité était de 85% et la spécificité de 90%. Les principales discordances concernaient les formes mixtes et les EFR borderline, nécessitant souvent un ajustement manuel par le pneumologue. L’hyperinflation, détectée par l’IA grâce à l’analyse de la CPT et du VR, que certains pneumologues ne soulignent pas systématiquement, même si elle peut avoir un impact fonctionnel et thérapeutique important.
Conclusion
L'intelligence artificielle fournit une lecture automatique des EFR rapide et fiable, avec une bonne concordance par rapport à l'interprétation humaine. Elle constitue un outil prometteur pour le dépistage et le suivi des maladies respiratoires, tout en restant complémentaire de l’expertise du pneumologue, notamment pour les cas mixtes ou borderline.
Lhachimi K. * ; Ijim M. * ; Fikri O. * ; Amro L. *
*Déclarent ne pas avoir de lien d'intérêt en rapport avec ce résumé.
