Des scanners avec un nouveau modèle d’IA peuvent diagnostiquer des problèmes cardiaques en quelques secondes

Pankaj Garg, docteur en médecine et titulaire d’un doctorat

Crédit : UEA Université d’East Anglia

Une nouvelle intelligence artificielle (IA) accélère le diagnostic des scanners cardiaques, passant de 45 minutes à quelques secondes, selon une étude récente. L’utilisation de l’IA peut non seulement faire gagner du temps aux médecins, mais aussi améliorer les résultats des patients et sauver des vies.

« Le modèle d’IA a déterminé avec précision la taille et la fonction des cavités cardiaques et a démontré des résultats comparables à ceux acquis manuellement par les médecins, mais beaucoup plus rapides », a déclaré l’investigateur principal Pankaj Garg, MD, PhD, de la Norwich Medical School de l’Université d’East Anglia et cardiologue consultant à l’hôpital universitaire de Norfolk et Norwich, dans un communiqué de presse.

Garg et ses collègues ont mené une étude observationnelle multicentrique, multifournisseur et rétrospective pour former et développer un modèle d’IA d’apprentissage profond pour examiner les scanners cardiaques au fil du temps avec la vue spécifique du ciné à 4 chambres. La résonance magnétique cardiaque (CMR) dans le plan à 4 chambres fournit un aperçu complet de la volumétrie du cœur.

Le deuxième objectif était de confirmer la cohérence et la fiabilité des résultats du modèle d’IA en les comparant à la fois aux analyses manuelles d’experts sur la ciné 4 chambres et aux méthodes automatisées existantes sur la segmentation à axe court. Enfin, le troisième objectif était d’évaluer la valeur pronostique du modèle.

L’équipe a formé le modèle d’IA en utilisant les données de 814 participants, tirées de 2 études : le registre ASPIRE du Sheffield Teaching Hospital (n = 624 ; 367 scans avec l’équipement GE Healthcare et 257 scans avec l’équipement Siemens Healthineers) et le Leeds Teaching Hospitals NHS Trust (n = 190 ; équipement Phillips Healthcare).

Une cohorte indépendante de 101 patients (étudiés avec l’équipement Siemens Healthineers) du registre PREFER-CMR des hôpitaux universitaires de Norfolk et Norwich a été créée pour évaluer la validation, la reproductibilité et la prédiction de la mortalité avec le modèle d’IA. L’âge moyen de la cohorte de validation était de 54 ans et 65 % étaient des hommes.

Les participants ont été inclus dans les cohortes de dérivation et de validation s’ils étaient âgés de ≥ 18 ans, avaient une indication clinique pour la résonance magnétique cardiaque, avaient une scintigraphie de bonne qualité pour la segmentation et avaient fourni un consentement éclairé écrit.

Les enquêteurs ont constaté que les mesures du cœur gauche et droit prises par des méthodes automatisées correspondaient étroitement à celles prises manuellement, avec de fortes corrélations (P = 0,91 – 0,98 et P = 0,89 – 0,98, respectivement). Toutes les mesures volumétriques à 4 chambres étaient hautement répétables et ne présentaient aucun biais et des corrélations élevées avec les analyses automatisées et manuelles (P = 0,99 – 1,00).

Ils ont observé que la méthode automatisée sous-estimait les volumes des ventricules gauche et droit par rapport à la méthode manuelle, et l’équipe a suggéré 2 facteurs de correction pour les analyses des 4 chambres du ventricule gauche et du ventricule droit afin de corriger cette sous-estimation. Après avoir appliqué ces corrections, les résultats étaient plus précis, et il n’y avait pas de différences significatives et un biais minimal entre les mesures automatisées des 4 chambres et de l’axe court pour le volume télédiastolique du ventricule gauche (biais = 2,04 mL, P = 0,493) et le volume télésystolique ventriculaire gauche (biais = -0,26 mL, P= 0,903). Les résultats sont restés similaires pour les mesures ventriculaires droites, avec un biais réduit de -69 mL à -18,7 mL pour le volume télédiastolique ventriculaire droit et de -37,6 mL à 13,2 mL pour le volume télésystolique ventriculaire droit

Au cours d’une période de suivi moyenne de 6,75 ans, 16 patients sont décédés. Une analyse multivariée par étapes a démontré qu’une mesure spécifique de la fonction cardiaque, la fraction d’éjection auriculaire gauche, était indépendamment liée au risque de mortalité dans le manuel (rapport de risque). [HR]0,96; P= .003) et analyses d’IA (HR, 0,96 ; P

En définitive, une résonance magnétique cardiaque automatisée à 4 chambres offre un outil de pronostic efficace et précis pour identifier les problèmes cardiaques. Dans le communiqué de presse, Garg a déclaré que l’IA ne prend que quelques secondes, contrairement à une analyse IRM manuelle standard qui peut prendre 45 minutes de plus.

« L’automatisation du processus d’évaluation de la fonction et de la structure cardiaque permettra d’économiser du temps et des ressources et de garantir des résultats cohérents pour les médecins », a déclaré Hosamadin Assadi, doctorant à la Norwich Medical School de l’UEA, dans un communiqué de presse. « Cette innovation pourrait conduire à des diagnostics plus efficaces, à de meilleures décisions de traitement et, en fin de compte, à de meilleurs résultats pour les patients souffrant de maladies cardiaques. De plus, le potentiel de l’IA à prédire la mortalité en fonction des mesures cardiaques met en évidence son potentiel à révolutionner les soins cardiaques et à améliorer le pronostic des patients. »

Les références

  • Assadi, H., Alabed, S., Li, R. et al. Développement et validation de la segmentation dérivée de l’IA de la résonance magnétique cardiaque ciné à quatre chambres. Eur Radiol Exp 8, 77 (2024). https://doi.org/10.1186/s41747-024-00477-7
  • L’intelligence artificielle accélère les examens cardiaques, fait gagner du temps aux médecins et pourrait conduire à un meilleur traitement des maladies cardiaques. EurekAlert! 11 juillet 2024. https://www.eurekalert.org/news-releases/1050961Consulté le 17 juillet 2024.
  • 2024-07-18 01:03:59
    1721254742


    #Des #scanners #avec #nouveau #modèle #dIA #peuvent #diagnostiquer #des #problèmes #cardiaques #quelques #secondes

    Facebook
    Twitter
    LinkedIn
    Pinterest

    Leave a Comment

    This site uses Akismet to reduce spam. Learn how your comment data is processed.