Détection de pneumonie sur radiographies thoraciques avec IA : Revue bibliographique

Synthèse bibliographique initiale
Détection des pneumonies sur les clichés de radiographie thoracique à l'aide
d'un modèle intelligent
Éléments de cadrage : types de pneumonie, sémiologie radiologique, rôle du radiologue et limites du
diagnostic humain
Master de Santé Publique — Projet d'intelligence artificielle appliquée à l'imagerie médicale
Juillet 2026

Introduction
La pneumonie demeure l'une des principales causes de morbidité et de mortalité dans le monde, et la
radiographie thoracique en constitue l'examen de première intention pour orienter le diagnostic.
Cependant, son interprétation reste un exercice complexe, marqué par une variabilité importante
selon l'observateur et par des contraintes organisationnelles (pénurie de radiologues, charge de
travail, fatigue) qui fragilisent la fiabilité du diagnostic humain. C'est dans ce contexte qu'émergent les
outils d'intelligence artificielle (IA), notamment les réseaux de neurones convolutifs, capables
d'assister ou de compléter l'interprétation radiologique. Cette synthèse initiale pose les bases
nécessaires à un projet de détection automatisée des pneumonies sur clichés radiographiques : elle
présente successivement les différents types de pneumonie, les signes radiologiques caractéristiques,
le rôle du radiologue dans la chaîne diagnostique, puis les limites documentées du diagnostic humain
qui justifient l'intérêt d'un modèle intelligent.
1. Les différents types de pneumonie
La pneumonie peut être classée selon plusieurs critères complémentaires : le contexte d'acquisition,
l'agent causal et la présentation radio-clinique. Cette pluralité de classifications est importante pour
un projet de détection automatisée, car elle conditionne en partie l'aspect radiologique attendu.
1.1 Classification selon le mode d'acquisition
● Pneumonie communautaire (Community-Acquired Pneumonia, CAP) : infection acquise en
dehors de tout établissement de soins. C'est la forme la plus fréquente ; Streptococcus
pneumoniae en est l'agent le plus courant. [1]
● Pneumonie nosocomiale (Hospital-Acquired Pneumonia, HAP) : survenant au moins 48 heures
après une admission hospitalière, souvent liée à des germes plus résistants. [1] [2]
● Pneumonie acquise sous ventilation mécanique (Ventilator-Associated Pneumonia, VAP) :
sous-catégorie de la pneumonie nosocomiale, survenant chez les patients intubés-ventilés
depuis au moins 48 heures. [2]
● Pneumonie associée aux soins (Healthcare-Associated Pneumonia, HCAP) : catégorie
historique regroupant les patients en contact fréquent avec le système de soins sans
hospitalisation classique ; elle tend aujourd'hui à être abandonnée faute de spécificité
microbiologique démontrée. [2]
1.2 Classification selon la présentation radio-clinique
Sur le plan sémiologique, on distingue classiquement trois grands tableaux, qui orienteront
directement la partie suivante sur les signes radiologiques :
● Pneumonie lobaire (alvéolaire) d'origine typiquement bactérienne, avec condensation
homogène d'un lobe entier.

● Bronchopneumonie caractérisée par des foyers multifocaux et dispersés, souvent péri-
bronchiques.
● Pneumonie interstitielle (atypique) d'origine le plus souvent virale ou à germes atypiques,
avec atteinte diffuse et moins bien systématisée.
Cette hétérogénéité radio-clinique est directement pertinente pour un projet de modèle intelligent :
les jeux de données d'entraînement doivent représenter cette diversité de présentations pour éviter
un biais vers les seules formes lobaires typiques, les plus faciles à détecter.
2. Les signes radiologiques de la pneumonie
La radiographie thoracique reste, malgré ses limites, l'examen de référence en première intention pour
la pneumonie. Les radiologues recherchent un ensemble de signes sémiologiques, dont la combinaison
oriente à la fois vers le diagnostic positif et vers le type probable de pneumonie.
2.1 La condensation alvéolaire et ses signes associés
La condensation correspond au comblement des espaces alvéolaires par du matériel inflammatoire
(cellules, liquide, pus), ce qui se traduit par une opacité radiologique dense remplaçant l'aération
normale du parenchyme. [3] Le bronchogramme aérien apparaît lorsque les bronches, restées
perméables, se détachent en clair au sein d'une condensation devenue opaque autour d'elles ; il
constitue un signe fortement évocateur de pneumonie plutôt que d'atélectasie, car dans cette dernière
les bronches sont le plus souvent comblées. [4] [5]
Le signe de la silhouette correspond à l'effacement du contour d'une structure adjacente (bord du
cœur, coupole diaphragmatique) lorsque la condensation vient à son contact direct ; il permet de
localiser précisément le lobe atteint. [3] Un épanchement pleural peut accompagner la condensation,
visible sous forme d'un comblement du cul-de-sac costo-diaphragmatique ou d'un ménisque sur les
clichés en position debout.
2.2 L'atteinte interstitielle
Les pneumonies virales ou atypiques se traduisent davantage par des opacités en verre dépoli ou des
motifs réticulaires, diffus et bilatéraux, moins homogènes que la condensation lobaire bactérienne. [3]
Cette distinction bactérien/viral reste toutefois indicative : des tableaux mixtes existent, et la
sensibilité de la seule radiographie pour différencier l'étiologie demeure limitée.
2.3 Corrélation entre distribution radiologique et type de pneumonie
La topographie et la distribution des opacités orientent le diagnostic étiologique : une condensation
limitée à un lobe ou segment évoque une CAP typique ; une atteinte bilatérale et multifocale, une
pneumonie d'inhalation ou nosocomiale ; des infiltrats interstitiels diffus, une origine virale ou
atypique. [6] Ces éléments constituent, en pratique, les caractéristiques (« features ») que devra
apprendre à discriminer un modèle de détection automatique.

3. Le rôle du radiologue dans le diagnostic de la pneumonie
Le radiologue occupe une place centrale dans la chaîne diagnostique de la pneumonie, à la fois comme
interprète de l'image et comme acteur intégrant cette image dans un raisonnement clinique global.
● Interprétation experte de l'image : le radiologue identifie et hiérarchise les signes
sémiologiques (condensation, bronchogramme, épanchement, distribution), avec une
exactitude diagnostique généralement supérieure à celle des autres cliniciens interprétant le
même cliché.
● Corrélation clinico-radiologique : l'interprétation ne se fait jamais isolément ; elle intègre les
données cliniques (fièvre, saturation, biologie) et l'évolution temporelle, la radiographie seule
pouvant être en décalage avec la clinique.
● Rôle de référence (« gold standard ») : dans les études de validation, l'avis d'un panel de
radiologues expérimentés sert habituellement d'étalon de comparaison, y compris pour
évaluer les algorithmes d'IA.
● Contexte d'exercice sous tension : la pénurie mondiale de radiologues et l'augmentation
continue du volume d'examens d'imagerie pèsent sur la disponibilité et la qualité de
l'interprétation, en particulier dans les pays à ressources limitées où l'accès à un radiologue
qualifié peut être restreint ou différé. [7] [8]
C'est précisément cette tension entre expertise nécessaire et ressources limitées qui motive le
développement d'outils d'aide à la décision fondés sur l'IA, non pas pour se substituer au radiologue,
mais pour renforcer la vigilance diagnostique et fluidifier le flux de travail.
4. Les limites du diagnostic humain
Plusieurs travaux ont documenté, de façon convergente, les limites de l'interprétation humaine de la
radiographie thoracique dans le contexte de la pneumonie.
4.1 Une variabilité inter-observateur considérable
Une étude de référence portant sur l'interprétation de radiographies de patients suspects de
pneumonie a montré un accord de seulement 87 % entre le radiologue référent et le consensus du
panel, ce taux chutant à 66-72 % chez les internes et médecins non radiologues, et à 54-59 % chez les
étudiants en médecine ; les opacités en foyers dispersés (bronchopneumonie) n'ont été correctement
identifiées par aucun des observateurs non-radiologues. [9]
Dans une cohorte de 282 patients suspects de CAP, l'accord inter-radiologues sur la présence d'un
infiltrat parenchymateux n'était que « passable » (κ = 0,37), un radiologue posant le diagnostic dans
79,4 % des cas contre seulement 6 % pour le second. [2] Chez l'enfant, une étude portant sur 169
clichés a également relevé un désaccord significatif (22 %, κ = 0,70) entre une première lecture et une
relecture par un radiologue thoracique senior, la discordance étant plus marquée chez les moins de 5
ans. [10]

Une étude multicentrique pédiatrique plus récente (cohorte pedCAPNETZ) a montré un accord
médiocre entre radiologues locaux et radiologues pédiatriques externes, avec un rejet du diagnostic
radiologique initial dans 18 % des cas, soulignant une hétérogénéité importante selon les centres. [11]
4.2 Charge de travail, fatigue et erreurs perceptives
Le volume croissant d'examens d'imagerie, conjugué à la pénurie de radiologues, expose les praticiens
à une charge de travail élevée associée statistiquement à une augmentation du taux d'erreurs
diagnostiques ; une étude a ainsi montré que le risque d'erreur augmente sensiblement les jours où la
charge dépasse d'environ 21 % la productivité moyenne du radiologue. [12]
Ces erreurs, dites perceptives (défaut de détection d'une anomalie pourtant visible a posteriori), sont
favorisées par la fatigue visuelle et cognitive, et demeurent, selon la littérature, en partie inhérentes à
la nature humaine de la tâche d'interprétation, même chez des observateurs expérimentés. [13]
4.3 Pénurie de radiologues et accès inégal à l'expertise
Dans de nombreuses régions du monde, en particulier dans les pays à revenu faible ou intermédiaire,
l'absence de radiologue disponible retarde ou dégrade l'interprétation des clichés, contraignant des
cliniciens non spécialistes à interpréter eux-mêmes les radiographies, avec une exactitude
diagnostique inférieure à celle des radiologues. [14] [7]
4.4 Vers l'intelligence artificielle comme outil de renfort
Ces limites documentées ont motivé le développement d'algorithmes de détection automatisée. Dans
une étude de référence, l'algorithme CheXNeXt a atteint des performances diagnostiques comparables
à celles de neuf radiologues sur un panel de pathologies thoraciques incluant la pneumonie, tout en
interprétant les 420 clichés du jeu de validation en 1,5 minute contre 240 minutes pour l'ensemble des
radiologues. [15] Les auteurs soulignent toutefois que ni l'algorithme ni les radiologues n'avaient accès
à l'historique clinique du patient, ce qui limite la portée de la comparaison et rappelle qu'un modèle
intelligent doit être conçu comme un outil d'aide à la décision, intégré à un raisonnement clinique,
plutôt que comme un substitut autonome au radiologue.
Conclusion
Cette synthèse initiale met en évidence trois constats structurants pour le projet : (1) la pneumonie
recouvre des entités cliniques et radiologiques hétérogènes, qu'un modèle de détection devra être
capable de généraliser ; (2) la sémiologie radiologique (condensation, bronchogramme aérien, signe
de la silhouette, atteinte interstitielle) constitue un socle de caractéristiques discriminantes bien
documenté dans la littérature ; (3) le diagnostic humain, bien que reposant sur une expertise reconnue,
présente des limites bien caractérisées — variabilité inter-observateur, fatigue, charge de travail,
pénurie de spécialistes — qui justifient scientifiquement l'intérêt d'un modèle intelligent conçu comme
outil d'assistance au radiologue plutôt que comme substitut. Une revue plus approfondie devra ensuite
explorer les architectures de deep learning appliquées à ce problème (CNN, transfer learning) ainsi que
les jeux de données de référence disponibles (ChestX-ray14, CheXpert, jeu de Kermany et al.).