IA et fractures de l'enfant, étude prospective à Leipzig
Aux urgences de chirurgie pédiatrique de l'hôpital universitaire de Leipzig, en Allemagne, une étude prospective a testé l'IA de détection des fractures de Milvue pendant les gardes.
Écrit par Dr Alexandre Parpaleix, MD-PhD, CEO et cofondateur de Milvue
Comment l'IA de Milvue a-t-elle été évaluée aux urgences pédiatriques ?
Une équipe de l'hôpital universitaire de Leipzig a publié en juillet 2026, dans BMC Emergency Medicine et en accès libre, une étude prospective sur l'IA de détection des fractures de Milvue1. L'étude s'est déroulée d'avril à septembre 2025 aux urgences de chirurgie pédiatrique de cet hôpital, un centre de recours, auprès des enfants et adolescents qui passaient une radiographie d'un membre pour une suspicion de traumatisme pendant la garde, du soir au matin2.
La garde revenait à des internes de chirurgie pédiatrique, qui lisaient les radiographies, décidaient du traitement et pouvaient appeler le senior d'astreinte à tout moment3. Un calendrier fixé à l'avance leur donnait l'aide de l'IA un jour sur deux4.

Comment l'IA s'insérait-elle dans le circuit des urgences ?
L'IA testée, la Milvue Suite, dont le module TechCare Alert détecte les fractures, tournait sur un serveur de l'hôpital, sans passer par le cloud4. Les radiographies partaient en même temps vers le PACS de l'hôpital et vers l'IA, qui classait chaque cliché en fracture certaine, fracture possible ou absence de fracture et renvoyait au PACS, en temps réel, des images annotées affichées à côté des originaux4.
Marqué CE, le système servait strictement d'aide à la décision et laissait aux médecins toute leur autonomie sur le diagnostic et le traitement4. Le lendemain, des radiologues pédiatres relisaient chaque examen lors de la réunion pluridisciplinaire quotidienne3. Le diagnostic de référence était la lecture consensuelle de radiologues pédiatres seniors, complétée par l'imagerie de contrôle quand il y en avait une5.
Que mesurait l'étude ?
L'étude comparait les jours avec et sans l'IA sur un critère principal, le diagnostic corrigé le lendemain quand la relecture des radiologues pédiatres conduisait à rappeler l'enfant. Les auteurs suivaient aussi les changements de traitement, le temps passé aux urgences, les appels au senior et la confiance des médecins dans leur diagnostic, ainsi que l'exactitude de l'IA par rapport au diagnostic de référence6. Pendant leur attente, les patients ou leurs parents répondaient à un court questionnaire sur l'IA en imagerie médicale6. Les résultats sont à lire dans l'article, en accès libre1.
Quelles autres études ont évalué l'IA de Milvue chez l'enfant ?
L'hôpital pédiatrique universitaire de Zurich a publié son évaluation de l'IA de détection de fracture chez l'enfant, Milvue comprise, dans Pediatric Radiology en 20267. L'IA de Milvue a aussi été évaluée à l'hôpital Bicêtre, AP-HP, sur les fractures et les épanchements du coude de l'enfant8.
Notes
- Oliver Johannes Deffaa, Johanna Pape, Dominik Schlösser, Franz Wolfgang Hirsch, Martin Lacher, Maciej Rosolowski, Daniel Gräfe, « Artificial intelligence for pediatric fracture detection: impact on diagnostic revisions and patient recall rates in a tertiary emergency setting », BMC Emergency Medicine, vol. 26, article 204, publié en ligne le 29 juillet 2026, accès libre, CC BY 4.0.
- Deffaa et al., « Artificial intelligence for pediatric fracture detection », BMC Emergency Medicine, 2026, partie Materials and methods, Cohort.
- Deffaa et al., « Artificial intelligence for pediatric fracture detection », BMC Emergency Medicine, 2026, partie Materials and methods, Clinical setting.
- Deffaa et al., « Artificial intelligence for pediatric fracture detection », BMC Emergency Medicine, 2026, partie Materials and methods, Integration of artificial intelligence.
- Deffaa et al., « Artificial intelligence for pediatric fracture detection », BMC Emergency Medicine, 2026, partie Materials and methods, Integration of artificial intelligence, sur le diagnostic de référence.
- Deffaa et al., « Artificial intelligence for pediatric fracture detection », BMC Emergency Medicine, 2026, partie Materials and methods, Endpoints.
- Irmhild Altmann-Schneider, Léa S. Geiger, Christian J. Kellenberger, Fraser Callaghan, Michelle Seiler, « Multivendor comparison study of artificial intelligence software for automated fracture detection in paediatric patients », Pediatric Radiology, vol. 56, p. 2067-2077, 2026 ; résumé en anglais sur milvue.com.
- Michel Dupuis, Léo Delbos, Alexandra Rouquette, Catherine Adamsbaum, Raphaël Veil, « External validation of an artificial intelligence solution for the detection of elbow fractures and joint effusions in children », Diagnostic and Interventional Imaging, vol. 105, n° 3, p. 104-109, 2024, version évaluée Milvue Suite V1 ; résumé en anglais sur milvue.com.
Antoine Béclère, la radiologie avant l'électricité
En 1897, Antoine Béclère fait entrer les rayons X dans un hôpital sans électricité. Portrait d'un pionnier de la radiologie française.
LireÉvaluer une IA de détection de fracture : les questions à poser
Études indépendantes, chiffres par région, âge des patients, autorisation, intégration, test sur vos cas : la grille pour comparer les logiciels de détection de fracture.
LireDictée vocale en radiologie : comment choisir sa reconnaissance vocale
Précision mesurée sur de vraies dictées, mots et commandes, compte rendu type, langues, essai : les critères qui comptent pour choisir une dictée vocale de radiologie.
Lire