Intégration de l’intelligence artificielle (IA) en tomodensitométrie pour la prise en charge des hémorragies intracrâniennes : une revue systématique de la littérature / Integration of Artificial Intelligence (AI) in Computed Tomography for the Management of Intracranial Hemorrhages in Congolese Hospitals: A Systematic Review of the Literature
Correspondence
Tacite Kpanya Mazoba ORCID: https://orcid.org/0000-0002-9791-6538)
Courriel: tacitemazoba@unikin.ac.cd
Telephone: +243 82 133 7095
Context and objective. Artificial Intelligence (AI) applied to computed tomography (CT) image analysis is progressively emerging as a promising tool to enhance the detection of neuroradiological emergencies. The present study aimed to assess the diagnostic performance of AI in detecting intracranial hemorrhages (ICH) on CT scans. Methods. This systematic review followed PRISMA guidelines. Included studies reported at least one diagnostic performance indicator (sensitivity, specificity, PPV, NPV). Literature searches were conducted in PubMed, EMBASE, Scopus, and Web of Science, complemented by manual screening (articles published between 2015–2025). Two independent reviewers selected studies, extracted data, and assessed risk of bias using the QUADAS-2 tool. Metrics were analyzed using R Studio and MetaBaye DTA. The protocol was registered in PROSPERO to ensure methodological transparency. Results. Seventeen mainly retrospective studies were included, mostly involving at least two reference radiologists. The pooled sensitivity was 0.945 (95% CI: 0.889–0.974) and specificity 0.937 (95% CI: 0.871–0.971). The positive (PLR = 16.6) and negative (NLR = 0.07) likelihood ratios demonstrated the strong ability of AI to confirm or exclude ICH. The diagnostic odds ratio (DOR) reached 280, with substantial heterogeneity across all measures (I² > 95%). Conclusion. Convolutional neural network–based models show high diagnostic accuracy for ICH detection, supporting their potential to enhance neuroradiological diagnosis. However, their implementation in Sub-Saharan Africa, particularly in the Democratic Republic of Congo (DRC), requires a systemic approach integrating infrastructure development, ethical governance, algorithmic epublic of contextualization, and inter-institutional partnerships.
Keywords: artificial intelligence, computed tomography, intracranial hemorrhage, Democratic Republic of the Congo
Received: May 30th, 2025
Accepted: October 13th, 2025
Contexte & objectif. L’Intelligence Artificielle (IA) appliquée à l’analyse d’images tomodensitométriques s’impose progressivement comme un levier prometteur pour améliorer la détection des urgences neuroradiologiques. L’objectif de la présente étude était de décrire les performances diagnostiques de l’IA pour la détection des hémorragies intracrâniennes (HIC) en tomodensitométrie. Méthodes. Il s’agissait d’une revue systématique conforme aux recommandations PRISMA. Les études incluses rapportaient au moins un indicateur de performance (sensibilité, spécificité, VPP, VPN). La recherche a été menée dans PubMed, EMBASE, Scopus et Web of Science, complétée par un dépistage manuel (articles publiés entre 2015–2025). Deux relecteurs indépendants ont sélectionné les études, extrait les données et évalué le biais via QUADAS-2. Les différentes métriques ont été analysées sous R Studio et MetaBayeDTA. Le protocole a été enregistré sur PROSPERO. Résultats. Au total 17 études majoritairement rétrospectives ont été retenues pour notre revue, avec au moins 2 radiologues référents dans la plupart des cas. La sensibilité moyenne était de 0,945 (IC 95 % : 0,889 – 0,974) et la spécificité à 0,937 (IC 95 % : 0,871 – 0,971). Les rapports de vraisemblance positif (PLR = 16,6) et négatif (NLR = 0,07) indiquent respectivement une forte capacité de l’IA à confirmer ou à exclure un diagnostic d’HIC. L’odds ratio diagnostique (DOR) s’élevait à 280 avec une hétérogénéité substantielle dans toutes les mesures (I² > 95 %). Conclusion. Les performances diagnostiques globales des modèles basés sur les réseaux neuronaux convolutifs sont élevées, suggérant leur forte capacité à identifier et exclure une HIC. L’IA offre une solution innovante pour combler les inégalités d’accès au diagnostic neuroradiologique. Mais son intégration en Afrique subsaharienne, et particulièrement en Republique Democratique du Congo (RDC), nécessite une stratégie systémique combinant infrastructure, gouvernance éthique, contextualisation algorithmique et partenariat interinstitutionnel.
Mots-clés : intelligence artificielle, tomodensitométrie, hémorragie intracrânienne, République Démocratique du Congo
Reçu le 30 mai 2025
Accepté le 13 octobre 2025
Cette œuvre est sous Licence Creative Commons Internationale Attribution 4.0.