Mesures osseuses par IA : Cobb, EOS, membres, âge osseux
Comment l'IA automatise les mesures musculosquelettiques sur radiographie, ce qu'elle fait gagner, et pourquoi le radiologue garde la main.
Relu par Dr Alexandre Parpaleix, MD-PhD, CEO et cofondateur de Milvue
Quelles mesures osseuses l'IA peut-elle calculer automatiquement ?
TechCare Metrics calcule jusqu'à 60 mesures musculosquelettiques en un passage : angle de Cobb, télémétrie du rachis, membres inférieurs en 2D et 3D (type EOS), âge osseux. Ce qui distingue l'outil tient en une phrase : la mesure est produite à partir de l'image, pas recopiée d'une feuille de calcul. La valeur s'écrit directement dans le compte rendu, reproductible d'un opérateur à l'autre. Le radiologue valide et garde la décision.
Combien de temps fait-on gagner sur les mesures musculosquelettiques ?
Le gain vient de la fin du tracé manuel, première source de variabilité entre opérateurs. Le chiffre est mesuré : sur le pied en charge, les mesures manuelles prennent en moyenne 203 secondes par patient ; l'IA les calcule quasi instantanément (AI/MDPI, 2025), soit plus de trois minutes rendues à chaque dossier. Le pré-rapport revient en moins de 30 secondes, l'analyse complète au PACS en moins de deux minutes. Pour la planification pré-opératoire, des axes et des angles reproductibles d'un examen à l'autre donnent une base stable.
L'IA est-elle assez précise pour les mesures cliniques ?
Oui, sur les paramètres étudiés, et c'est publié. Sur le pied en charge chez l'adulte (AI/MDPI, 2025, 105 patients), l'IA atteint 94 % d'exactitude sur l'hallux valgus (sensibilité 91,1 %, spécificité 97,2 %), au niveau d'un radiologue expert. Sur le rachis (Diagnostic & Interventional Imaging, 2023, population majoritairement pédiatrique), l'alignement automatisé affiche une erreur moyenne d'environ 2,9° sur l'angle de Cobb (ICC 0,95-0,97 en coronal) et classe la scoliose sévère à 99 %. Chaque valeur est à relire : le radiologue tranche.
Où l'IA de mesure atteint-elle ses limites ?
Honnêtement, pas partout de la même façon. La reproductibilité automatique réduit la variabilité du tracé manuel, mais une mesure reste tributaire du cliché : selon le positionnement, l'incidence ou le matériel chirurgical, tout repère peut se dégrader. L'étude rachis le montre sans détour : l'alignement complet était fiable d'emblée chez 72 patients sur 100, les autres demandant une correction. D'où le principe : la valeur revient pré-remplie, à relire, jamais figée, et le radiologue corrige l'aberration en un geste. La vraie question à poser à un fournisseur n'est pas « est-ce automatique ? », mais « la mesure est-elle calculée sur l'image, et vérifiable ? ».
Comment l'âge osseux et l'EOS s'intègrent-ils au flux de travail ?
Elles s'intègrent au RIS/PACS via DICOM et HL7, sans rien changer aux habitudes : le pré-rapport pré-rempli revient en moins de deux minutes. Âge osseux, membres inférieurs (EOS) et angle de Cobb sont calculés dans le même passage, puis insérés dans le compte rendu prêt à valider. Couplé à la détection de fractures, l'ensemble couvre le flux ostéoarticulaire courant, de l'adulte à la pédiatrie.
Ces mesures automatiques sont-elles validées et certifiées ?
Oui. TechCare Metrics fait partie de la Milvue Suite, marquée CE classe IIa (RDM UE 2017/745, organisme notifié BSI 2797), entraînée sur plus d'un million d'images. Les mesures sont publiées : pied en charge (AI/MDPI, 2025) et alignement du rachis (Diagnostic & Interventional Imaging, 2023). La solution est déployée sur plus de 600 sites équipés, dans 25 pays. La preuve avant la promesse.
Évaluer 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.
LireComment évaluer un fournisseur d'IA en radiologie
Une grille de lecture pour juger n'importe quelle IA d'imagerie : preuve indépendante, métriques, déploiement réel, mesures, intégration, périmètre réglementaire.
Lire