Après avoir effectué des tests sur plusieurs ensembles de données, une équipe de chercheurs multi-institutionnelle a découvert qu’une application logicielle commerciale qui utilise l’analyse radiomique CT surpassait l’évaluation des risques basée sur les seuls critères Lung-RADS pour les nodules pulmonaires détectés accidentellement ou lors du dépistage. Cette amélioration a été obtenue indépendamment des variables radiologiques et cliniques existantes, selon le premier auteur, le Dr Scott Adams, PhD, de l’Université de la Saskatchewan à Saskatoon, au Canada, et ses collègues.
“Ces résultats suggèrent la généralisabilité et l’impact clinique potentiel d’un outil simple à mettre en œuvre dans la pratique”, ont écrit les auteurs.
Afin de déterminer si un logiciel basé sur l’IA pouvait améliorer la précision de la classification des nodules pulmonaires comme bénins ou malins sur CT, les chercheurs ont évalué les performances de la version 1.1 du logiciel RevealAI (RevealDx). Le logiciel CADx produit un score de risque de malignité – appelé indice de similarité de malignité (mSI) – pour les nodules pulmonaires individuels sur la base d’une analyse radiomique. Il a été formé à l’aide des données d’imagerie du National Lung Screening Trial (NLST).
Les chercheurs ont testé le logiciel sur des cohortes NSLT, ainsi qu’un ensemble de données externes provenant d’un programme de dépistage du cancer du poumon de référence tertiaire et un ensemble de données de non-dépistage de tous les nodules détectés par CT. L’ensemble de données de dépistage a été assemblé à partir du Fred Hutchinson Cancer Research Center, tandis que l’ensemble de données de non-dépistage contenait des nodules pulmonaires présentés sur des examens CT non améliorés et à contraste amélioré acquis dans trois hôpitaux de Saskatoon.
Ils ont ensuite comparé les performances combinées de classification des risques du logiciel et de la classification Lung-RADS avec celles de Lung-RADS seul ainsi que les calculateurs de risque Mayo et Brock.
L’étude a inclus un total de 968 patients et 1 168 nodules. Dans l’ensemble de données NLST de 704 nodules, la combinaison du score mSI du logiciel et de la classification du risque Lung-RADS a donné une aire sous la courbe (AUC) de 0,89, ce qui était comparable aux calculateurs de risque (AUC, 0,86-0,88) et significativement mieux que Lung-RADS seul (AUC, 0,82).
Dans toutes les cohortes, l’utilisation du logiciel avec Lung-RADS a entraîné une augmentation de la sensibilité allant de 25 % à 117 % par rapport à Lung-RADS seul. Dans les cohortes de dépistage, le logiciel a augmenté la spécificité de 17 % à 33 %.
Les chercheurs ont découvert que l’utilisation du logiciel avec Lung-RADS aurait pu diagnostiquer 42 % des nodules malins dans l’ensemble de données NLST à partir des tomodensitogrammes de l’année précédente.
“Augmenter Lung-RADS avec un outil AI CADx peut éliminer le retard de diagnostic des analyses d’intervalle chez 35 à 45 % des patients atteints de cancer dans toutes les cohortes”, ont écrit les auteurs. “Les améliorations simultanées de la spécificité peuvent limiter le fardeau du patient et le coût financier des procédures de suivi inutiles.”
Les résultats ont également démontré une généralisabilité à travers les populations et les paramètres d’acquisition CT, selon les chercheurs.
Enfin, “l’outil d’IA a fourni des marqueurs prédictifs supplémentaires qui ne sont pas évidents dans les calculateurs de risque couramment utilisés, et a maintenu les performances à des seuils de risque faibles où ces calculateurs ont une valeur réduite”, ont-ils écrit.
Copyright © 2022 AuntMinnie.com
