IA radiologique : dépistage de la tuberculose rentable
Une étude publiée en août 2026 dans BMC Health Services Research démontre l'intérêt de l'intelligence artificielle pour améliorer le dépistage de la tuberculose dans les zones rurales des Philippines. Réalisée par des chercheurs de l'Université Ateneo, dont Harold Henrison Chiu, Bryan Christopher Lao et Gloanne C. Adolor, cette recherche évalue la rentabilité de l'interprétation assistée par IA des radiographies thoraciques. Avec près de 739 000 nouveaux cas de tuberculose enregistrés en 2024 sur le territoire, le système de santé public fait face à d'importants défis d'accès et de financement. Le manque de radiologues et les délais d'attente pour l'analyse des images dans les établissements éloignés compliquent souvent le diagnostic précoce, essentiel pour éviter des complications graves. Les auteurs ont développé un modèle décisionnel simulant le dépistage annuel de 1 000 patients suspects sur une période de cinq ans. L'analyse intègre les coûts du logiciel d'IA, des honoraires de lecture, des tests de confirmation GeneXpert et des frais de fonctionnement. Les résultats indiquent que la stratégie assistée par IA coûte environ 877 330 pesos philippins par an, soit 877 pesos par personne, contre 1,14 million de pesos et 1 142 pesos par personne pour l'interprétation manuelle traditionnelle. Sur le plan économique, l'IA s'avère donc plus efficiente. Toutefois, les chercheurs soulignent que la valeur principale de cette technologie réside dans sa capacité à démocratiser l'accès à une expertise médicale spécialisée, notamment dans les communautés aux ressources limitées. L'IA ne vise pas à remplacer les professionnels, mais à combler les disparités géographiques en s'intégrant à des programmes existants via des appareils radiologiques portables et compatibles avec les faibles connexions internet. Les résultats financiers restent toutefois dépendants du contexte local. Si les tarifs de lecture manuelle ou téléradiologique sont réduits, ou si les performances diagnostiques varient selon les données philippines, l'IA conserve une efficacité supérieure sans garantir systématiquement une réduction des dépenses. De plus, les détections assistées par IA doivent être confirmées par des tests de laboratoire. Face à ces nuances, l'équipe de recherche recommande une adoption progressive. Plutôt qu'un déploiement national immédiat, ils préconisent des projets pilotes ciblés dans les unités de santé rurale sous-équipées. Ces expérimentations devraient s'accompagner d'une validation locale, d'un suivi qualité rigoureux et d'une évaluation budgétaire continue. Cette approche permettrait de tester la faisabilité technique et économique tout en préparant une intégration responsable des outils d'intelligence artificielle dans la santé publique. En définitive, cette étude met en lumière le potentiel de l'IA comme levier d'équité sanitaire. En optimisant le dépistage de la tuberculose, la technologie pourrait réduire les barrières financières et logistiques, tout en accélérant la prise en charge des patients dans les régions les plus isolées. Son succès dépendra cependant d'une mise en œuvre adaptée aux réalités locales et d'une collaboration étroite avec les systèmes de santé existants.
