En 2016, Geoffrey Hinton a prédit que les ordinateurs remplaceraient les radiologues dans les cinq ans. Ils ne l'ont pas fait. Les rangs de la radiologie se développent, avec des praticiens qui devraient augmenter de 26 pour cent au cours des trois prochaines décennies. Pourtant, la perspicacité de Hinton tient : l'IA égale ou dépasse désormais les performances humaines dans de nombreuses tâches d'imagerie. Au début de 2026, environ trois quarts des 1 400 dispositifs médicaux activés par l'IA approuvés par la FDA sont destinés à la radiologie.

Les outils d'IA rédigent des rapports, signalent les images urgentes et parfois détectent des anomalies invisibles à l'œil humain. Par exemple, une analyse de 43 essais cliniques a révélé que les coloscopies assistées par IA révèlent plus de polypes. Les taux d'erreur humaine pour les images diagnostiques varient de 3 à 5 pour cent, causant environ 40 millions d'erreurs dans le monde chaque année. La solution n'est pas de remplacer les humains, mais de combiner la précision de l'IA avec l'expérience humaine.

Concevoir la collaboration est complexe. Même si l'IA est plus fiable en moyenne, elle se trompe encore là où les humains ne se tromperaient pas, déclare le radiologue Curtis Langlotz de Stanford. Les radiologues doivent évaluer chaque décision de l'IA, une "reconfiguration mentale complète" selon Paul Yi de l'hôpital de recherche pour enfants St. Jude. Contrairement aux alertes basées sur des règles, les réseaux neuronaux de l'IA sont des systèmes de "boîte noire", rendant la supervision plus difficile.

L'objectif est de fusionner la précision technique de l'IA avec la flexibilité humaine pour le bénéfice des patients.