Introduction
La radiographie thoracique assistée par intelligence artificielle est de plus en plus envisagée comme outil de dépistage de la tuberculose (TB), en complément ou en substitution de la lecture médicale traditionnelle. Toutefois, ses performances réelles face à un test de référence moléculaire restent à documenter. Cette étude vise à comparer les performances diagnostiques de l'IA et de l'évaluation clinique par un médecin dans le dépistage radiologique de la tuberculose en utilisant le test Xpert MTB/RIF (gold standard).
Méthodes
Étude comparative menée à la Maison d'Arrêt et de Correction (MAC) de Ouesso du 5 au 7 juin 2026 chez les détenus. Les résultats de lecture radiographique de l'IA et du médecin ont été confrontés à la référence via des matrices de confusion, permettant de calculer la sensibilité, la spécificité, l'exactitude globale (accuracy) et l'indice de Kappa de Cohen (accord corrigé du hasard).
Résultats
Sur 107 détenus (14 positifs et 93 négatifs au Xpert MTB/RIF), L’IA a présente une spécificité élevée (97,8%) mais une sensibilité critique (28,6%), manquant plus de 70% des cas tuberculeux avérés. Le médecin obtient une bonne sensibilité (85,7%) mais une spécificité faible (32,3%), avec un taux élevé de faux positifs. L'exactitude globale est de 88,8% pour l'IA contre 39,3% pour le médecin, avec un Kappa de 0,35 (accord faible) pour l'IA contre 0,06 (accord quasi nul) pour le médecin.
Conclusion
Aucune des deux approches, prise isolément, ne peut se substituer au test Xpert MTB/RIF. L’IA se montre trop restrictive (sensibilité insuffisante), tandis que l’analyse du médecin est trop alarmiste (spécificité insuffisante). Un workflow hybride est recommandé, combinant l'IA comme filtre initial pour écarter les cas négatifs évidents et l'expertise médicale pour confirmer les cas suspects, afin d'optimiser le compromis sensibilité/spécificité.