Par Elodie Vaz | Publié le 19 mars 2026 | 3 min de lectureLes 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
À propos de l'auteure – Elodie Vaz
Journaliste en santé, diplômée du CFPJ en 2023
Élodie, explore les empreintes que les maladies laissent sur les corps et, plus largement, sur la vie humaine. Infirmière diplômée d’État en 2010, elle a passé douze ans au chevet des patients avant de troquer son stéthoscope contre un carnet de notes. Elle interroge depuis les liens qui unissent environnement et santé, convaincue que la vitalité du vivant ne se résume pas à celle des Hommes.
