Le blog Milvue.
Guides et dossiers sur l'intelligence artificielle en radiographie - adossés à nos études cliniques revues par les pairs et à nos déploiements. La preuve, expliquée.
Comment 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.
LireVLM en radiologie : l'IA qui aide à rédiger le compte-rendu
Ce que change un modèle vision-langage natif radiologie : du repérage d'anomalie au brouillon de compte-rendu, relu par le radiologue. Et pourquoi réussir un examen ne suffit pas.
LireROI de l'IA en radiologie : productivité, temps, erreurs
Ce que l'IA d'aide au diagnostic change vraiment sur la productivité, le temps et les erreurs, chiffres sourcés et études à l'appui.
LireIA et radiographie thoracique : détection et compte-rendu
Un guide sobre et documenté sur ce que l'IA détecte sur une radiographie du thorax, et sur le tournant des modèles qui aident à rédiger le compte-rendu.
LireIntégrer l'IA radiologique au RIS/PACS
Comment connecter une IA d'imagerie au RIS/PACS via DICOM, HL7, la worklist et les profils IHE, sans changer les habitudes du radiologue.
LireMesures 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.
LireIA aux urgences : triage, fractures, priorisation
Comment l'IA aide à rattraper les fractures manquées, à prioriser la liste de travail et à réduire les erreurs en imagerie d'urgence, sans jamais remplacer le radiologue.
LireDétection de fractures par IA, adulte et pédiatrique
Ce que dit la preuve clinique sur la détection de fractures assistée par IA, chez l'adulte comme chez l'enfant, sans limite d'âge.
Lire