L’intelligence artificielle, nouvel allié du diagnostic aux urgences pédiatriques

Par Elodie Vaz | Publié le 19 mars 2026 | 3 min de lecture


Les traumatismes du coude représentent un motif fréquent de consultation aux urgences pédiatriques. Pourtant, leur diagnostic radiologique reste délicat. Chez l’enfant, le squelette est encore en développement et comporte de nombreux cartilages de croissance, invisibles ou peu visibles à la radiographie. À cela s’ajoute le fait que certaines fractures peuvent être extrêmement discrètes.

Dans ce contexte, l’interprétation des radiographies du coude est un véritable défi clinique, même pour des praticiens expérimentés. Une fracture non détectée peut entraîner une prise en charge inadéquate et, à terme, des complications fonctionnelles. Face à cette difficulté diagnostique, les équipes des urgences pédiatriques et du service de radiologie du CHU de Nantes ont exploré une approche innovante : l’intégration d’un algorithme d’intelligence artificielle (IA) comme outil d’aide à la décision.

Évaluer l’apport de l’IA dans la détection des fractures

L’objectif de l’étude menée au CHU de Nantes est de mesurer l’impact d’un algorithme de deep learning sur la performance diagnostique des cliniciens dans la détection des fractures du coude chez l’enfant.

Les chercheurs ont analysé rétrospectivement les radiographies de 755 enfants âgés de 0 à 15 ans, pris en charge aux urgences pédiatriques pour un traumatisme du coude entre janvier 2019 et avril 2020. L’enjeu est de déterminer si l’utilisation d’un système d’IA peut améliorer la sensibilité diagnostique et réduire le risque de fractures manquées dans un contexte d’urgence.

Une méthodologie comparative

Pour établir un diagnostic de référence, deux experts indépendants ont analysé l’ensemble des examens radiologiques, sans connaître les résultats fournis par l’algorithme.

Les diagnostics posés par les médecins urgentistes ont ensuite été comparés selon trois configurations : sans assistance technologique, avec l’aide théorique de l’algorithme d’IA, et enfin avec l’algorithme utilisé seul. Cette approche comparative vise à quantifier précisément l’apport de l’intelligence artificielle dans la pratique clinique.

Des performances diagnostiques nettement améliorées

Les résultats, publiés en janvier dernier dans l’European Journal of Radiology, montrent un impact significatif de l’IA sur la détection des fractures. L’assistance algorithmique permet d’atteindre une sensibilité diagnostique de 99 %, traduisant une détection quasi exhaustive des fractures lorsque le clinicien bénéficie de l’aide de l’outil.

Plus encore, l’étude met en évidence un gain de sensibilité supérieur à 20 % pour les médecins urgentistes lorsqu’ils sont assistés par l’IA. Ce progrès se traduit directement par une réduction du risque de fractures non diagnostiquées, un enjeu majeur en traumatologie pédiatrique.

Pour le Dr Fleur Lorton, pédiatre aux urgences pédiatriques du CHU de Nantes, membre du Centre d’investigation clinique Femme-Enfant-Adolescent et auteure de l’étude, l’IA doit être envisagée comme un outil complémentaire à l’expertise médicale :

« L’interprétation des radiographies du coude chez l’enfant est un examen en traumatologie pédiatrique particulièrement exigeant. L’intelligence artificielle ne remplace en aucun cas le médecin ; elle agit comme un second regard, un co-pilote qui sécurise notre analyse. Grâce à cette collaboration homme-machine, nous réduisons le risque d’erreur et renforçons la qualité de prise en charge des jeunes patients », explique-t-elle dans un communiqué de presse du CHU de Nantes, publié le 9 mars.

Vers une intégration croissante de l’IA en médecine d’urgence pédiatrique

Ces travaux, fruits d’une collaboration entre les services des urgences pédiatriques, de radiologie et le Centre d’investigation clinique Femme-Enfant-Adolescent du CHU de Nantes, illustrent le potentiel des outils d’intelligence artificielle en imagerie médicale.

Dans la continuité de cette étude, un logiciel d’IA dédié à la traumatologie est désormais utilisé en pratique courante aux urgences pédiatriques du CHU. Il permet d’identifier et de localiser automatiquement sur les radiographies des membres différentes anomalies, notamment les fractures, les luxations ou encore les épanchements intra-articulaires.

Une nouvelle étude est par ailleurs en cours afin d’évaluer l’apport d’un algorithme appliqué aux radiographies thoraciques. L’objectif est d’étendre ces outils aux pathologies respiratoires aiguës, particulièrement fréquentes en pédiatrie.

L’IA comme « second lecteur » clinique

L’étude nantaise confirme le potentiel de l’intelligence artificielle comme outil d’aide à la décision en contexte d’urgence. En renforçant la sensibilité diagnostique des cliniciens, ces systèmes peuvent contribuer à sécuriser l’interprétation radiologique et à améliorer la prise en charge des jeunes patients.

À lire également: Frottis & IA : la nouvelle ère du dépistage cervical