Pendant longtemps, la radiologie a \u00e9t\u00e9 per\u00e7ue comme une sp\u00e9cialit\u00e9 m\u00e9dicale centr\u00e9e sur l\u2019interpr\u00e9tation d\u2019images, au service du diagnostic et du suivi th\u00e9rapeutique. Le radiologue \u00e9tait le \u201clecteur expert\u201d du scanner, de l\u2019IRM, de la radiographie ou de l\u2019\u00e9chographie, capable d\u2019identifier des anomalies parfois invisibles \u00e0 un \u0153il non entra\u00een\u00e9, puis de les traduire en hypoth\u00e8ses cliniques utiles au parcours de soin. Mais cette vision, fond\u00e9e sur une lecture humaine exhaustive des examens, se heurte d\u00e9sormais \u00e0 une r\u00e9alit\u00e9 structurelle : l\u2019imagerie m\u00e9dicale produit de plus en plus d\u2019images, de plus en plus vite, dans un syst\u00e8me de sant\u00e9 o\u00f9 la demande augmente plus rapidement que les ressources disponibles.<\/p>\n\n\n\n
Vieillissement de la population, augmentation de l\u2019incidence des cancers, essor de la m\u00e9decine personnalis\u00e9e, multiplication des bilans pr\u00e9ventifs et mont\u00e9e des maladies chroniques contribuent \u00e0 l\u2019acc\u00e9l\u00e9ration continue du recours \u00e0 l\u2019imagerie. En parall\u00e8le, les urgences hospitali\u00e8res reposent de plus en plus sur des examens rapides (scanner c\u00e9r\u00e9bral, angioscanner, CT thoracique), tandis que l\u2019oncologie exige des suivis r\u00e9p\u00e9t\u00e9s, comparatifs, quantifi\u00e9s. Selon plusieurs analyses, la croissance du volume d\u2019imagerie d\u00e9passe celle du nombre de radiologues dans de nombreux pays, ce qui contribue \u00e0 une tension durable sur les d\u00e9lais de compte rendu et sur la charge cognitive des praticiens\u00b9<\/a>. Dans certaines structures, le radiologue ne fait plus face \u00e0 quelques clich\u00e9s, mais \u00e0 des centaines, parfois des milliers d\u2019images par examen, ce qui change la nature m\u00eame de l\u2019attention requise.<\/p>\n\n\n\n Dans ce contexte, la complexit\u00e9 explose. Les examens deviennent plus riches (s\u00e9quences IRM multiparam\u00e9triques, imagerie fonctionnelle, reconstructions 3D), les contextes cliniques plus exigeants (d\u00e9cisions th\u00e9rapeutiques rapides, concertations pluridisciplinaires), et les attentes plus \u00e9lev\u00e9es (qualit\u00e9, tra\u00e7abilit\u00e9, standardisation). Parall\u00e8lement, la radiologie se num\u00e9rise totalement : archives PACS, dossiers patients, donn\u00e9es biologiques, ant\u00e9c\u00e9dents, comptes rendus ant\u00e9rieurs, tout converge vers un \u00e9cosyst\u00e8me o\u00f9 la donn\u00e9e s\u2019accumule et o\u00f9 la valeur d\u00e9pend de la capacit\u00e9 \u00e0 trier, prioriser et comparer. C\u2019est pr\u00e9cis\u00e9ment dans cet interstice que l\u2019intelligence artificielle s\u2019impose, non comme un rempla\u00e7ant, mais comme une couche d\u2019assistance, capable de d\u00e9tecter, quantifier, prioriser et parfois proposer des hypoth\u00e8ses sur des volumes d\u2019images devenus difficiles \u00e0 absorber humainement\u00b2<\/a>.<\/p>\n\n\n\n Les chiffres illustrent cette mutation :<\/p>\n\n\n\n Le m\u00e9tier entre ainsi dans une nouvelle \u00e8re. Il ne s\u2019agit plus seulement d\u2019interpr\u00e9ter des images, mais de piloter un diagnostic augment\u00e9, fond\u00e9 sur des flux massifs de donn\u00e9es, des priorisations en temps r\u00e9el et une collaboration \u00e9troite entre expertise humaine et algorithmes, avec une exigence renforc\u00e9e de qualit\u00e9, d\u2019explicabilit\u00e9 et de confiance.<\/p>\n\n\n\n L\u2019intelligence artificielle ne se limite plus \u00e0 des projets exp\u00e9rimentaux en radiologie. Elle s\u2019int\u00e8gre d\u00e9sormais progressivement \u00e0 chaque \u00e9tape du parcours d\u2019imagerie, depuis l\u2019acquisition des images jusqu\u2019\u00e0 la r\u00e9daction du compte rendu. Elle transforme la mani\u00e8re de d\u00e9tecter, prioriser, quantifier et documenter les anomalies. L\u00e0 o\u00f9 le radiologue analysait seul un volume croissant d\u2019images, il travaille d\u00e9sormais dans un environnement o\u00f9 des syst\u00e8mes algorithmiques filtrent, signalent et hi\u00e9rarchisent l\u2019information. Cette \u00e9volution ne supprime pas l\u2019expertise humaine, elle en red\u00e9finit les points d\u2019appui.<\/p>\n\n\n\n Les cas d\u2019usage les plus structurants illustrent cette transformation :<\/p>\n\n\n\n Ces usages transforment en profondeur la pratique quotidienne. La radiologie devient moins s\u00e9quentielle et davantage interactive, articul\u00e9e autour d\u2019un dialogue permanent entre expertise humaine et analyse algorithmique. Toutefois, cette int\u00e9gration renforce aussi la d\u00e9pendance \u00e0 la qualit\u00e9 des donn\u00e9es d\u2019entra\u00eenement, \u00e0 la validation clinique des outils et \u00e0 la capacit\u00e9 du radiologue \u00e0 exercer un contr\u00f4le critique sur les r\u00e9sultats produits.<\/p>\n\n\n\n L\u2019int\u00e9gration de l\u2019intelligence artificielle dans l\u2019imagerie m\u00e9dicale ne red\u00e9finit pas seulement les outils du radiologue, elle transforme en profondeur son positionnement professionnel. L\u00e0 o\u00f9 il \u00e9tait historiquement per\u00e7u comme un expert de l\u2019image, intervenant principalement en aval de l\u2019examen, il devient progressivement un acteur central d\u2019un \u00e9cosyst\u00e8me num\u00e9rique, responsable de la validation, de l\u2019interpr\u00e9tation et de la gouvernance des syst\u00e8mes algorithmiques int\u00e9gr\u00e9s au parcours de soin.<\/p>\n\n\n\n Cette \u00e9volution ne correspond pas \u00e0 une substitution, mais \u00e0 un d\u00e9placement de la valeur. Le radiologue ne se contente plus d\u2019identifier une anomalie, il contextualise une probabilit\u00e9, arbitre entre des hypoth\u00e8ses g\u00e9n\u00e9r\u00e9es par un syst\u00e8me, et assume la responsabilit\u00e9 finale d\u2019un diagnostic qui engage la prise en charge th\u00e9rapeutique.<\/p>\n\n\n\n Concr\u00e8tement, ce nouveau r\u00f4le implique plusieurs dimensions structurantes :<\/p>\n\n\n\n Cette transformation modifie \u00e9galement la temporalit\u00e9 du m\u00e9tier. L\u00e0 o\u00f9 le radiologue intervenait apr\u00e8s acquisition des images, il peut d\u00e9sormais \u00eatre impliqu\u00e9 en amont, dans l\u2019optimisation des protocoles d\u2019imagerie, et en aval, dans l\u2019analyse de performance des outils d\u00e9ploy\u00e9s.<\/p>\n\n\n\n Cependant, cette mutation n\u2019est pas neutre. Elle implique :<\/p>\n\n\n\n Selon l\u2019Organisation mondiale de la Sant\u00e9, l\u2019int\u00e9gration de l\u2019IA en sant\u00e9 exige que les professionnels conservent un contr\u00f4le humain significatif et garantissent la transparence des d\u00e9cisions\u2075. Dans ce cadre, le radiologue devient le garant du maintien de l\u2019humain au centre du processus diagnostique.<\/p>\n\n\n\n Ainsi, le m\u00e9tier ne dispara\u00eet pas, il se red\u00e9ploie. Le radiologue de demain ne sera pas un simple lecteur d\u2019images assist\u00e9 par machine, mais un superviseur de syst\u00e8mes intelligents, un interpr\u00e8te de probabilit\u00e9s et un responsable clinique renforc\u00e9, dont l\u2019expertise s\u2019\u00e9tend d\u00e9sormais \u00e0 la compr\u00e9hension critique des outils num\u00e9riques qu\u2019il utilise.<\/p>\n\n\n\n Les fondamentaux du m\u00e9tier de radiologue, ma\u00eetrise de l\u2019anatomie, compr\u00e9hension des m\u00e9canismes physiopathologiques, capacit\u00e9 d\u2019analyse s\u00e9miologique fine et raisonnement clinique structur\u00e9, demeurent le socle indispensable de la pratique. La responsabilit\u00e9 m\u00e9dicale, l\u2019\u00e9thique du soin et la rigueur scientifique ne disparaissent pas \u00e0 l\u2019\u00e8re num\u00e9rique. Toutefois, l\u2019int\u00e9gration croissante de l\u2019intelligence artificielle impose une extension significative du p\u00e9rim\u00e8tre de comp\u00e9tences. Le radiologue ne doit plus seulement comprendre l\u2019image, il doit aussi comprendre le syst\u00e8me qui l\u2019analyse.<\/p>\n\n\n\n Cette \u00e9volution transforme la formation, la posture professionnelle et la culture du m\u00e9tier.<\/p>\n\n\n\n Selon l\u2019European Society of Radiology, la formation en intelligence artificielle devrait devenir un module structurant de la formation initiale en radiologie dans les prochaines ann\u00e9es\u00b9\u00b9.<\/p>\n\n\n\n L\u2019environnement augment\u00e9 modifie la charge mentale et la dynamique d\u00e9cisionnelle.<\/p>\n\n\n\n Des travaux publi\u00e9s dans Nature Medicine<\/em> soulignent que les performances optimales sont obtenues lorsque la d\u00e9cision finale r\u00e9sulte d\u2019une collaboration homme-machine structur\u00e9e plut\u00f4t que d\u2019une d\u00e9l\u00e9gation totale\u2079<\/a>.<\/p>\n\n\n\n L\u2019IA en sant\u00e9 est class\u00e9e parmi les usages \u00e0 haut risque dans les cadres r\u00e9glementaires europ\u00e9ens. Cela renforce la responsabilit\u00e9 des professionnels qui l\u2019utilisent.<\/p>\n\n\n\n L\u2019Organisation mondiale de la Sant\u00e9 rappelle que l\u2019IA en sant\u00e9 doit respecter des principes de responsabilit\u00e9, d\u2019inclusivit\u00e9 et de supervision humaine constante\u2075<\/a>.<\/p>\n\n\n\n La radiologie augment\u00e9e n\u2019est pas une discipline isol\u00e9e.<\/p>\n\n\n\n Selon une analyse prospective du World Economic Forum sur les m\u00e9tiers de la sant\u00e9, les comp\u00e9tences num\u00e9riques avanc\u00e9es feront partie des domaines en plus forte croissance dans le secteur m\u00e9dical d\u2019ici 2030\u00b9\u00b2<\/a>.<\/p>\n\n\n\n Le radiologue de demain ne sera pas remplac\u00e9 par l\u2019intelligence artificielle. Il sera red\u00e9fini par sa capacit\u00e9 \u00e0 comprendre, encadrer et ma\u00eetriser les outils num\u00e9riques qui enrichissent sa pratique. La valeur ne r\u00e9sidera plus uniquement dans la capacit\u00e9 \u00e0 lire des images, mais dans l\u2019aptitude \u00e0 orchestrer un environnement diagnostique complexe, o\u00f9 la technologie devient un levier, et non un substitut.<\/p>\n\n\n\n L\u2019un des arguments majeurs en faveur de l\u2019intelligence artificielle en radiologie est sa capacit\u00e9 \u00e0 r\u00e9duire les erreurs humaines. En m\u00e9decine, l\u2019erreur diagnostique reste une r\u00e9alit\u00e9 document\u00e9e. La fatigue cognitive, la surcharge d\u2019examens, la variabilit\u00e9 inter-observateur ou encore la pression temporelle peuvent affecter la performance clinique. Certaines estimations internationales sugg\u00e8rent que les erreurs diagnostiques contribuent de mani\u00e8re significative aux \u00e9v\u00e9nements ind\u00e9sirables graves dans les syst\u00e8mes de sant\u00e9\u00b9\u00b3<\/a>. Dans ce contexte, l\u2019IA appara\u00eet comme un outil susceptible de renforcer la s\u00e9curit\u00e9, en agissant comme un second lecteur syst\u00e9matique et infatigable.<\/p>\n\n\n\n Exemples concrets :<\/p>\n\n\n\n Ces avanc\u00e9es sugg\u00e8rent que l\u2019IA peut contribuer \u00e0 renforcer la pr\u00e9cision, la rapidit\u00e9 et la standardisation du diagnostic. Elle permet d\u2019analyser des volumes d\u2019images massifs, d\u2019identifier des signaux faibles et de maintenir une vigilance constante, l\u00e0 o\u00f9 l\u2019humain peut \u00eatre affect\u00e9 par la fatigue ou la charge mentale.<\/p>\n\n\n\n Cependant, ces promesses doivent \u00eatre examin\u00e9es avec prudence.<\/p>\n\n\n\n L\u2019IA introduit \u00e9galement de nouveaux risques :<\/p>\n\n\n\n Le d\u00e9fi est donc double. L\u2019intelligence artificielle peut am\u00e9liorer la fiabilit\u00e9 du diagnostic, mais seulement si elle est utilis\u00e9e comme un outil d\u2019assistance, sous supervision constante, valid\u00e9e cliniquement et audit\u00e9e r\u00e9guli\u00e8rement. Comme le souligne l\u2019Organisation mondiale de la Sant\u00e9, l\u2019IA en sant\u00e9 doit rester explicable, transparente et centr\u00e9e sur l\u2019humain\u2075.<\/p>\n\n\n\n La fiabilit\u00e9 diagnostique ne d\u00e9pend pas uniquement de la performance algorithmique, mais de la qualit\u00e9 de l\u2019interaction entre l\u2019expertise humaine et l\u2019intelligence artificielle. Ce n\u2019est pas la machine seule qui am\u00e9liore la s\u00e9curit\u00e9, c\u2019est la mani\u00e8re dont le radiologue l\u2019int\u00e8gre dans son raisonnement clinique.<\/p>\n\n\n\n Le radiologue de 2035 \u00e9voluera dans un environnement enti\u00e8rement num\u00e9rique, interconnect\u00e9 et assist\u00e9 en temps r\u00e9el. Les salles d\u2019imagerie seront int\u00e9gr\u00e9es \u00e0 des plateformes intelligentes capables d\u2019analyser instantan\u00e9ment les examens, de comparer automatiquement les donn\u00e9es ant\u00e9rieures du patient et de sugg\u00e9rer des hypoth\u00e8ses diagnostiques hi\u00e9rarchis\u00e9es. Le r\u00f4le du radiologue se d\u00e9placera progressivement de la lecture exhaustive vers la supervision strat\u00e9gique, l\u2019interpr\u00e9tation complexe et la coordination clinique.<\/p>\n\n\n\n Plusieurs \u00e9volutions sont d\u00e9j\u00e0 visibles ou en phase de d\u00e9ploiement :<\/p>\n\n\n\n Cependant, malgr\u00e9 ces avanc\u00e9es, un consensus s\u2019impose dans la litt\u00e9rature scientifique : le jugement clinique humain demeure irrempla\u00e7able. L\u2019IA excelle dans la d\u00e9tection de motifs et la quantification, mais elle ne comprend ni l\u2019histoire singuli\u00e8re du patient, ni les nuances du contexte clinique, ni les implications humaines d\u2019une annonce diagnostique.<\/p>\n\n\n\n Dans un environnement o\u00f9 l\u2019automatisation sera croissante, c\u2019est pr\u00e9cis\u00e9ment la capacit\u00e9 du radiologue \u00e0 penser en incertitude, \u00e0 contextualiser des probabilit\u00e9s et \u00e0 assumer une responsabilit\u00e9 m\u00e9dicale qui fera toute la diff\u00e9rence. L\u2019expertise humaine ne dispara\u00eet pas, elle se d\u00e9place vers des t\u00e2ches \u00e0 plus forte valeur cognitive et relationnelle.<\/p>\n\n\n\n Le radiologue de demain ne sera pas en comp\u00e9tition avec la machine. Il sera le garant de sa pertinence, de sa s\u00e9curit\u00e9 et de son int\u00e9gration \u00e9thique dans le soin. Dans une m\u00e9decine de plus en plus augment\u00e9e, la technologie acc\u00e9l\u00e9rera l\u2019analyse, mais la d\u00e9cision restera un acte profond\u00e9ment humain.<\/p>\n\n\n\n L\u2019intelligence artificielle transforme en profondeur l\u2019imagerie m\u00e9dicale, mais elle n\u2019en alt\u00e8re pas la finalit\u00e9. Elle acc\u00e9l\u00e8re l\u2019analyse, am\u00e9liore la d\u00e9tection, standardise la quantification et renforce la tra\u00e7abilit\u00e9. Elle redistribue les priorit\u00e9s, moins de lecture r\u00e9p\u00e9titive, plus d\u2019interpr\u00e9tation globale, moins d\u2019isolement d\u00e9cisionnel, plus de collaboration interdisciplinaire. Pourtant, au c\u0153ur de cette mutation, une constante demeure : le diagnostic reste un acte m\u00e9dical.<\/p>\n\n\n\n La radiologie augment\u00e9e n\u2019est pas une radiologie automatis\u00e9e. Elle repose sur une alliance structur\u00e9e entre expertise clinique et puissance computationnelle. L\u2019algorithme identifie des corr\u00e9lations, le radiologue en \u00e9value la pertinence. La machine calcule des probabilit\u00e9s, le m\u00e9decin les inscrit dans une trajectoire de soin. La technologie analyse des pixels, l\u2019humain comprend une personne.<\/p>\n\n\n\n Cette distinction est fondamentale. Un diagnostic ne se limite pas \u00e0 la d\u00e9tection d\u2019une anomalie. Il engage des d\u00e9cisions th\u00e9rapeutiques, des annonces sensibles, parfois des orientations vitales. Il suppose une compr\u00e9hension du contexte, de l\u2019histoire du patient, de ses vuln\u00e9rabilit\u00e9s et de ses attentes. Aucun mod\u00e8le statistique, aussi performant soit-il, ne peut assumer seul cette dimension relationnelle et \u00e9thique.<\/p>\n\n\n\n L\u2019enjeu pour les prochaines ann\u00e9es ne sera donc pas de savoir si l\u2019IA remplacera le radiologue, mais de d\u00e9terminer comment structurer une int\u00e9gration responsable, explicable et s\u00e9curis\u00e9e de ces outils. Cela implique :<\/p>\n\n\n\n La radiologie augment\u00e9e ouvre aussi des perspectives positives majeures. Elle peut contribuer \u00e0 r\u00e9duire les d\u00e9lais d\u2019interpr\u00e9tation, am\u00e9liorer l\u2019acc\u00e8s au diagnostic dans les zones sous-dot\u00e9es, renforcer la d\u00e9tection pr\u00e9coce des pathologies et soutenir une m\u00e9decine plus personnalis\u00e9e. Elle peut devenir un levier d\u2019\u00e9quit\u00e9, \u00e0 condition que ses mod\u00e8les soient entra\u00een\u00e9s sur des donn\u00e9es repr\u00e9sentatives et \u00e9valu\u00e9s de mani\u00e8re ind\u00e9pendante.<\/p>\n\n\n\n Finalement, la transformation en cours d\u00e9passe la seule radiologie. Elle interroge la place du m\u00e9decin dans un environnement o\u00f9 la donn\u00e9e devient omnipr\u00e9sente. Elle oblige \u00e0 red\u00e9finir la comp\u00e9tence, non plus seulement comme accumulation de connaissances, mais comme capacit\u00e9 \u00e0 piloter des syst\u00e8mes intelligents de mani\u00e8re critique et responsable.<\/p>\n\n\n\n Dans une m\u00e9decine de plus en plus technologique, la valeur du radiologue ne se mesurera pas \u00e0 sa capacit\u00e9 \u00e0 rivaliser avec l\u2019algorithme, mais \u00e0 son aptitude \u00e0 lui donner du sens. La machine peut aider \u00e0 voir plus vite. Le m\u00e9decin, lui, doit continuer \u00e0 voir juste.<\/p>\n\n\n\n Et si, au fond, la v\u00e9ritable r\u00e9volution de l\u2019intelligence artificielle en radiologie n\u2019\u00e9tait pas de remplacer l\u2019expertise humaine, mais de la r\u00e9v\u00e9ler dans ce qu\u2019elle a de plus essentiel : le discernement, la responsabilit\u00e9 et l\u2019attention port\u00e9e \u00e0 chaque patient ?<\/p>\n\n\n\n Pour \u00e9largir la r\u00e9flexion et comprendre comment l\u2019IA redessine d\u2019autres professions, des ressources humaines \u00e0 la finance, de la sant\u00e9 \u00e0 la communication, nous vous invitons \u00e0 parcourir l\u2019ensemble de notre rubrique d\u00e9di\u00e9e \u00ab IA & M\u00e9tiers \u00bb<\/strong><\/a>, qui analyse l\u2019impact concret des technologies intelligentes sur les comp\u00e9tences, les pratiques et l\u2019organisation du travail.<\/p>\n\n\n\n 1. The Royal College of Radiologists. (2023). Clinical radiology UK workforce census 2022 report. 2. European Society of Radiology (ESR). (2019). What the radiologist should know about artificial intelligence (AI). 3. Grand View Research. (2024). AI in Medical Imaging Market Size, Share & Trends. 4. McKinney, S. M. et al. (2020). International evaluation of an AI system for breast cancer screening. Nature. 5. World Health Organization. (2021). Ethics and governance of artificial intelligence for health. 6. McKinney, S. M. et al. (2020). International evaluation of an AI system for breast cancer screening. Nature. 7. Chilamkurthy, S. et al. (2018). Deep learning algorithms for detection of critical findings in head CT scans. The Lancet. 8. European Society of Radiology. (2022). Artificial intelligence in oncology imaging. 9. Esteva, A. et al. (2019). A guide to deep learning in healthcare. Nature Medicine. 10. Pesapane, F. et al. (2020). Artificial intelligence as a medical device in radiology. Insights into Imaging. 11. European Society of Radiology. (2022). Training radiologists in artificial intelligence: European perspectives. 12. World Economic Forum. (2024). Future of Jobs in Healthcare. 13. National Academies of Sciences. (2015). Improving Diagnosis in Health Care. \n
<\/strong>Comment l\u2019IA s\u2019int\u00e8gre dans l\u2019imagerie m\u00e9dicale<\/h2>\n\n\n\n
\n
<\/strong>Un nouveau r\u00f4le pour le radiologue<\/h2>\n\n\n\n
\n
\n
Quelles comp\u00e9tences pour le radiologue \u00e0 l\u2019\u00e8re de l\u2019IA ?<\/h2>\n\n\n\n
Comp\u00e9tences techniques et num\u00e9riques<\/strong><\/h3>\n\n\n\n
\n
Comp\u00e9tences cognitives et d\u00e9cisionnelles<\/strong><\/h3>\n\n\n\n
\n
Comp\u00e9tences \u00e9thiques, juridiques et r\u00e9glementaires<\/strong><\/h3>\n\n\n\n
\n
Comp\u00e9tences relationnelles et interdisciplinaires<\/strong><\/h3>\n\n\n\n
\n
L\u2019intelligence artificielle peut-elle rendre le diagnostic plus fiable ?<\/h2>\n\n\n\n
\n
\n
\u00c0 quoi ressemblera le m\u00e9tier de radiologue demain ?<\/h2>\n\n\n\n
\n
Vers une radiologie augment\u00e9e, mais toujours humaine<\/h2>\n\n\n\n
\n
Pour aller plus loin <\/h2>\n\n\n\n
R\u00e9f\u00e9rences<\/h3>\n\n\n\n
https:\/\/www.rcr.ac.uk\/publication\/clinical-radiology-uk-workforce-census-2022-report<\/a> <\/p>\n\n\n\n
https:\/\/insightsimaging.springeropen.com\/articles\/10.1186\/s13244-019-0738-2<\/a> <\/p>\n\n\n\n
https:\/\/www.grandviewresearch.com\/industry-analysis\/artificial-intelligence-ai-in-medical-imaging-market<\/a> <\/p>\n\n\n\n
https:\/\/www.nature.com\/articles\/s41586-019-1799-6<\/a> <\/p>\n\n\n\n
https:\/\/www.who.int\/publications\/i\/item\/9789240029200<\/a> <\/p>\n\n\n\n
https:\/\/www.nature.com\/articles\/s41586-019-1799-6<\/a> <\/p>\n\n\n\n\n
https:\/\/www.thelancet.com\/journals\/lanplh\/article\/PIIS2589-7500(18)30147-X<\/a> <\/p>\n\n\n\n\n
https:\/\/www.myesr.org<\/a> <\/p>\n\n\n\n\n
https:\/\/www.nature.com\/articles\/s41591-018-0316-z<\/a> <\/p>\n\n\n\n\n
https:\/\/insightsimaging.springeropen.com<\/a> <\/p>\n\n\n\n\n
https:\/\/www.myesr.org<\/a> <\/p>\n\n\n\n\n
https:\/\/www.weforum.org<\/a> <\/p>\n\n\n\n\n
https:\/\/www.nationalacademies.org<\/a> <\/p>\n\n\n\n\n