Ce livre blanc d’Arkangel AI est une synthèse narrative rapide des preuves qui réunit 27 sources sur cinq tâches de radiologie sélectionnées : lecture assistée des mammographies, détection d’anomalies précises sur la radiographie thoracique, priorisation et efficacité, segmentation ou quantification, et aide rédactionnelle aux comptes rendus. La recherche principale a été menée le 13 juin 2026, complétée en juillet par une extraction reproductible dans PubMed ayant renvoyé 2,337 notices uniques pour la cartographie, puis par une vérification des sources en septembre. La sélection n’était ni exhaustive ni réalisée par deux relecteurs indépendants, et chaque tâche a été classée selon six niveaux de preuve, de la discrimination rétrospective à la mise en œuvre de routine.
Dans ce corpus, les preuves prospectives les plus avancées concernaient l’aide à la lecture des mammographies dans les programmes de dépistage organisés, notamment l’essai suédois MASAI. Dans un essai randomisé monocentrique portant sur 10,476 participants à un bilan de santé, les radiologues lisant les radiographies thoraciques avec l’aide de l’IA ont trouvé des nodules actionnables confirmés par TDM chez 0.59 % des participants, contre 0.25 % sans elle. La priorisation a montré des effets hétérogènes sur les délais de lecture et la charge de travail, la segmentation n’atteignait pas de niveau général de maturité clinique, et l’aide des modèles de langage aux comptes rendus exige encore une supervision humaine en raison de leurs erreurs. Les sources régionales, dont une étude rétrospective mexicaine avec une AUC de 0.774 pour la COVID-19 en TDM, ne démontrent pas d’efficacité généralisable en Amérique latine. Il s’agit d’un livre blanc non évalué par les pairs, et ses auteurs sont affiliés à Arkangel AI.
