Le 26 septembre 2026, la revue European Radiology a publié une étude comparant DeepHealth Prostate Suite, un logiciel d’IA commercialisé, à la classification PI-RADS établie par les radiologues pour détecter les cancers de la prostate cliniquement significatifs sur IRM. Menée de façon rétrospective sur 787 hommes examinés entre 2014 et 2025 en Allemagne, aux Pays-Bas et aux États-Unis, elle confronte chaque lecture au résultat de la biopsie ou de la chirurgie. Sa nouveauté tient à l’analyse lésion par lésion et à la modélisation du tri des biopsies, notamment pour les lésions équivoques classées PI-RADS 3.

Les lésions PI-RADS 3, principal terrain d’usage

L’échelle PI-RADS classe les lésions de 1 (cancer très improbable) à 5 (cancer très probable). La catégorie 3 regroupe les cas incertains : selon la source, leur interprétation varie fortement selon le lecteur et conduit à des recommandations de biopsie divergentes. Selon l’étude, c’est sur ces lésions que l’IA apporterait le plus. Elle a reclassé à un niveau de risque supérieur 93,1 % des lésions cancéreuses et attribué un risque faible à 24,1 % des lésions bénignes. Une stratégie ciblée sur cette catégorie aurait évité 18,9 % des biopsies tout en conservant une sensibilité de 98,4 %, c’est-à-dire en détectant toujours 98,4 % des cancers significatifs.

Fiable pour identifier le patient, moins pour localiser la lésion

Au niveau du patient, l’IA est jugée non inférieure aux radiologues : elle repère 97,6 % des hommes atteints, contre 92,6 %. Au niveau de la lésion en revanche, sa sensibilité est de 78,8 %, contre 88,8 % pour les radiologues. Or c’est la localisation précise de la lésion qui guide l’aiguille lors de la biopsie. Par ailleurs, au seuil retenu, l’IA classe « à risque » de nombreux patients sans cancer significatif : sa spécificité est de 19,7 %, contre 48,4 % pour un score PI-RADS supérieur ou égal à 4. Les auteurs la positionnent ainsi comme une aide au tri, la cartographie des lésions restant sous la responsabilité du radiologue.

Un outil pour homogénéiser la lecture hors des centres experts

Selon les auteurs, la variabilité de lecture de PI-RADS est plus marquée chez les radiologues généralistes et en cabinet de ville. En pratique, les cliniciens regroupent déjà les cinq catégories en trois, ce que l’IA produit directement. L’étude a porté sur des IRM de cinq constructeurs, un atout pour des parcs d’équipements hétérogènes. Une réserve toutefois : les radiologues de l’étude avaient généralement interprété plus de 1 000 IRM de la prostate. Le bénéfice auprès de lecteurs moins expérimentés reste donc à démontrer.

Une preuve solide, à confirmer en conditions réelles

L’étude présente plusieurs garanties : trois pays, des seuils de l’IA fixés à l’avance sans ajustement, et le respect des standards de publication STARD et CLAIM. Elle reste toutefois rétrospective. L’IA n’a pas été utilisée dans les soins courants et les radiologues n’avaient pas accès à ses résultats. Sur 3 745 lésions décrites par les radiologues, 1 168 ont pu être appariées et analysées avec un résultat histologique complet. Enfin, la principale cohorte (504 patients) provient de 13 centres RadNet, groupe dont DeepHealth serait une filiale. Des évaluations indépendantes permettraient de conforter ces résultats.

DeepHealth, un modèle intégré qui consolide le marché

DeepHealth illustre un modèle dans lequel un opérateur de centres d’imagerie développe, valide sur ses propres données et commercialise ses outils d’IA. Son module Prostate AI aurait obtenu en mai 2026 le marquage CE et l’autorisation 510(k) de l’agence américaine FDA, et la suite serait utilisée dans l’essai britannique de dépistage TRANSFORM. Le groupe aurait également racheté l’américain iCAD et le français Gleamer. Ce modèle pourrait avantager les acteurs disposant de grands volumes de données et fragiliser les éditeurs spécialisés sur un seul organe.

Un enjeu pour un futur dépistage organisé

L’étude porte sur des hommes déjà orientés vers une biopsie, et non sur une population dépistée. Le projet européen PRAISE-U promeut en effet un dépistage fondé sur le risque, associant dosage du PSA et IRM. Si ce modèle se diffusait, le nombre d’IRM à interpréter augmenterait et la disponibilité des radiologues deviendrait un facteur limitant, que l’IA pourrait contribuer à desserrer.

Source : European Radiology, publication scientifique (26 septembre 2026) – fiabilité : publication évaluée par les pairs

Une équipe de l’université de Pennsylvanie a publié le 13 octobre 2026 dans Nature Medicine une plateforme qui relie l’électroencéphalogramme (EEG) de patients épileptiques à un agent conversationnel fondé sur un grand modèle de langage, accessible depuis une application pour téléphone. Testé chez 13 adultes hospitalisés en unité de surveillance de l’épilepsie, le système les informe de leurs crises détectées et de leur sommeil, et recueille leurs réponses. La nouveauté tient à ce dialogue dans les deux sens : les retours des patients servent à réentraîner le détecteur de crises.

L’étude montre qu’un dispositif médical peut dialoguer avec le patient et apprendre de ses réponses, à condition d’être encadré par une gouvernance. Pour les établissements comme pour les industriels, les garde-fous mis en place à l’université de Pennsylvanie constituent un modèle réutilisable, sans confondre cette preuve de concept avec un produit prêt à déployer.

Une gouvernance dédiée, préalable au contact avec les patients

Selon l’article, l’usage de l’IA a été validé par un comité de gouvernance créé pour le projet et depuis institutionnalisé par Penn Medicine. Ce comité a imposé trois règles :

• Réaliser tous les calculs dans une infrastructure conforme à la loi américaine sur la protection des données de santé (HIPAA).
• Interdire contractuellement au fournisseur du modèle d’entraîner ou de conserver les données.
• Relire chaque jour l’ensemble des échanges.

Les retours des patients suffisent à réduire les fausses alertes (-80 %)

Le détecteur était réentraîné toutes les trois heures à partir des réponses des patients. Dans une simulation reproduisant un usage réel, les fausses alertes ont baissé de 80,9 % avec les annotations saisies dans l’application par six patients, sans perte de sensibilité. L’enjeu est économique : l’étiquetage des données par des experts, coûteux, freine l’amélioration des algorithmes. Une relecture par des cliniciens limitée à dix segments de 90 secondes par jour a porté la baisse à 82,6 %.

Un modèle de langage léger, cantonné à l’information

Les auteurs ont retenu GPT-4o-mini, d’OpenAI, pour son coût et sa rapidité, en limitant son rôle à la transmission d’informations et à la consultation de données, sans jugement clinique. Chaque chiffre transmis au patient provient d’une requête enregistrée, donc vérifiable. Selon les auteurs, le temps de réponse médian était de 1,95 seconde en conversation et de 8,69 secondes pour une question sur les données. L’architecture permet de remplacer le modèle.

1 307 messages échangés entre les patients et l’IA

Sur 1 307 messages échangés, 31,1 % ont été initiés par les patients, qui ont répondu à 67,2 % des alertes de crise. Cinq patients sur treize ont demandé à conserver l’outil après leur sortie. Les auteurs relèvent toutefois un risque de dépendance excessive et une répartition de la responsabilité clinique qui reste à établir lorsque des décisions s’appuient sur l’IA.

Un modèle extensible à d’autres dispositifs

Les auteurs préparent un essai appliquant la plateforme au réglage de la stimulation cérébrale profonde dans la maladie de Parkinson, et citent les dispositifs cardiaques et les pompes à insuline. Quatre des cinq composants logiciels sont publiés sous licence libre GPL v3 ; le cinquième dépend du kit de développement propriétaire de Natus. Trois auteurs sont inventeurs d’un brevet provisoire déposé par l’université.

Une preuve de concept aux limites assumées

L’étude porte sur 13 patients d’un seul centre, suivis 4,87 jours en médiane, dans une unité où les traitements sont volontairement réduits. Les alertes brutes ne détectaient que 13,6 % des crises, et il resterait 2 à 4 fausses alertes par jour après réentraînement. Le modèle réentraîné n’a pas été utilisé auprès des patients. Les auteurs annoncent une étude en ambulatoire.

Ce que cela change

• Pour les établissements : le cadre de Penn offre une liste de contrôle pour structurer un comité IA et négocier, avec les fournisseurs de modèles, des clauses de non-entraînement et de non-conservation des données.
• Pour les industriels du dispositif médical : la capacité à transmettre les données en temps réel devient un critère différenciant ; le brevet et la licence GPL v3 sont à analyser avant toute réutilisation.
• Pour les HealthTech : l’annotation par le patient, complétée d’une revue experte ciblée, ouvre une voie pour améliorer un algorithme en vie réelle à moindre coût.
• Pour les équipes soignantes : il faudra définir, avant tout déploiement, qui traite les signalements des patients et dans quels délais.

Source : Nature Medicine, étude (13 octobre 2026) – fiabilité : publication évaluée par les pairs.

Le 9 octobre 2026, Scale AI a publié DistressBench, un banc d’essai qui évalue la manière dont les modèles d’IA soutiennent un utilisateur exprimant des pensées suicidaires ou d’automutilation. Il repose sur 718 conversations en anglais rédigées par des cliniciens ou des conseillers de crise, notées sur 6 901 critères pondérés répartis en sept dimensions. Nouveauté : la moitié du corpus, soit 359 conversations, est publique, et l’évaluation ne se limite plus à vérifier si le modèle refuse de répondre.

Ce que mesure le banc d’essai

Selon ses auteurs, la plupart des évaluations de sécurité existantes notent ces conversations sur un seul point : le modèle a-t-il refusé de répondre ? Or un refus ne dit pas si la personne a été aidée. Un agent qui esquive systématiquement le sujet peut donc obtenir un bon score tout en laissant l’utilisateur seul. DistressBench associe au contraire à chaque conversation une grille de critères rédigée par des cliniciens. Cette grille couvre sept dimensions du soutien en situation de crise, dont la désescalade et l’orientation vers une aide humaine. Le corpus couvre 23 sous-catégories de suicide et d’automutilation. Il comprend 299 conversations à un seul échange et 419 à plusieurs échanges, ce qui se rapproche davantage d’un usage réel, où la détresse s’exprime souvent progressivement.

Ce que montrent les résultats

Sur 25 modèles de pointe, le meilleur remplit 88,4 % des critères pondérés et le modèle médian 71,4 %, contre 98,7 % pour les réponses de référence des cliniciens. Les modèles évitent bien les contenus nocifs (94,5 % en médiane), mais le modèle médian n’atteint que 46,0 % en désescalade. Surtout, dans 35,3 % des conversations où un modèle a pleinement reconnu la crise, il n’a pas orienté l’utilisateur vers une aide humaine. Enfin, le modèle médian ne satisfait tous les critères que dans environ 2 % des conversations : un agent déployé sans test présenterait donc, très probablement, au moins une lacune.

Ces chiffres montrent que la question pertinente n’est plus « l’outil refuse-t-il les sujets sensibles ? », mais « que fait-il après avoir compris la situation ? ». Le corpus public permet de poser cette question de façon reproductible, avant la mise en service, et de comparer plusieurs fournisseurs sur la même base.

Source : Scale AI (Scale Labs), DistressBench (9 octobre 2026) – fiabilité : déclarative.