Intelligence artificielle et chirurgie rachidienne, quel avenir ? quel présent ?

Synthèse de l'article

Contexte :
L’intégration de l’intelligence artificielle (IA) en chirurgie du rachis suscite un intérêt croissant en raison de son potentiel à renforcer la médecine fondée sur les preuves et à offrir une prise en charge personnalisée. Toutefois, son application dans la pratique chirurgicale quotidienne demeure encore à un stade de développement. Cette revue de portée vise à cartographier le paysage des applications de l’IA en chirurgie rachidienne, à en définir les frontières actuelles et à identifier les lacunes de la littérature.

Méthodes :
Conformément aux recommandations PRISMA, une revue de portée a été menée à partir des bases de données PubMed et Cochrane jusqu’en janvier 2024. Les études incluses décrivaient des modèles d’IA ou des applications d’IA validées en chirurgie du rachis. Un large éventail de données a été extrait, incluant les objectifs, les critères de jugement, les architectures de modèles, les méthodes de validation, les types de pathologies, les institutions impliquées et les revues de publication.

Résultats :
Les États-Unis constituaient le principal contributeur (32 %), suivis par la Chine (18 %), l’Europe (15 %), le Japon (9 %) et la Corée du Sud (9 %). Ces travaux ont été publiés dans des revues présentant un facteur d’impact moyen à deux ans de 3,4. Le partage des ressources restait limité : quatre études proposaient des applications en libre-service, sept partageaient leurs données et dix-sept donnaient accès à leur code. Les études portaient sur des pathologies rachidiennes variées, dominées par les affections dégénératives (24 %) et oncologiques (19 %). Les méthodes de deep learning prédominaient, aux côtés de modèles non basés sur l’apprentissage profond. Une validation était rapportée dans 76 % des études, qu’elle soit interne (67 %) ou externe (19 %). Un tableau exhaustif détaillant l’ensemble des articles est disponible dans le matériel supplémentaire.

Conclusion :
Le manque de validation externe rigoureuse et l’accès restreint aux modèles d’IA et aux jeux de données limitent l’adoption à grande échelle de ces technologies. Pour combler cet écart, une collaboration interdisciplinaire renforcée, une plus grande transparence dans le développement des modèles et un effort concerté visant à rendre les modèles validés publiquement accessibles sont nécessaires.

Pour plus d'information, rendez vous sur le site du journal Neurochirurgie

https://doi.org/10.1016/j.neuchi.2025.101764