Intelligence artificielle

Des radiographies générées par IA trompent les médecins et les autres IA

Dans une étude présentée dans Radiology, des chercheurs ont évalué la capacité des radiologues et des modèles d’IA à distinguer des clichés authentiques de radiographies synthétiques créées par IA. Les résultats montrent que même des lecteurs expérimentés peuvent être induits en erreur.

icon réservé aux abonnésArticle réservé aux abonnés
Aujourd'hui à 7:00 Lecture 2 min.

Les auteurs de l'étude ont constaté que « les radiologues n'ont fait preuve que d'une précision modérée pour distinguer les radiographies authentiques des radiographies deepfake ». D. R.

L'intelligence artificielle est de plus en plus présente en imagerie médicale. Si elle s'avère être une aide précieuse au quotidien, notamment pour affiner un diagnoctic, elle peut aussi désormais générer des radiographies. Et ces dernières sont de plus en plus réalistes. Dans une étude publiée dans Radiology [1], une équipe de chercheurs a évalué la capacité des radiologues à différencier des radiographies authentiques de clichés synthétiques produits par IA.

Une centaine d'images à analyser

Pour mener leur étude qui s'est déroulée entre avril et août 2025, les chercheurs ont inclus 17 radiologues, dont 6 radiologues français, exerçant dans six pays et présentant différents niveaux d'expérience, de 1 à 40 ans. Lors de la première phase, les radiologues ignorant l'objectif de l'étude, ont évalué la qualité d'image et établi un diagnostic pour 154 radiographies. 77 images étaient authentiques et 77 ont été générées à l'aide de ChatGPT (GPT-4o et OpenAI). Lors de la deuxième phase, après a

Il vous reste 73% de l’article à lire

Tech Imago réserve cet article à ses abonnés

S'abonner à l'édition
  • Tous les contenus « abonnés » en illimité
  • Le journal numérique en avant-première
  • Newsletters exclusives, club abonnés

Abonnez-vous !

Tech Imago en illimité sur desktop, tablette, smartphone, une offre 100% numérique

Offre découverte

1€

pendant 1 mois
puis 13 €/mois

S’abonner à Tech Imago

Auteurs

Marjolaine Margue

Journaliste spécialisée BOM Presse

Voir la fiche de l’auteur

Bibliographie

  1. Tordjman M, Yuce M, Ammar A, et al (2026) The Rise of Deepfake Medical Imaging: Radiologists’ Diagnostic Accuracy in Detecting ChatGPT-generated Radiographs. Radiology 318:e252094. https://doi.org/10.1148/radiol.252094

Mots-clés

intelligence artificielle

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Tech Imago

07 Mai

7:00

06 Mai

15:45

7:14

Les masses cutanées et sous-cutanées chez l’enfant sont fréquentes et généralement bénignes et l’échographie joue un rôle clé pour en préciser les caractéristiques. Elle permet de mieux différencier ces lésions malgré des aspects parfois similaires, facilitant ainsi le diagnostic et la prise en charge. (Étude).

7:00

05 Mai

16:20

L’interprétation de l’imagerie post-mortem fœtale et pédiatrique est complexe, notamment pour distinguer avec certitude les pathologies ante-mortem des changements normaux survenant après le décès. Un article publié dans Pediatric radiology présente les constatations post-mortem normales dans différents systèmes du corps et souligne les limites du scanner et de l’IRM.

7:00

✕
Tech Imago

GRATUIT
VOIR