Des chercheurs entraînent un modèle d’IA pour diagnostiquer l’arthrose du genou avec des performances de qualité clinique – The Daily Texan

Une équipe dirigée par des chercheurs de l’UT a développé année modèle IA diagnostiquer l’arthrose du genou sur la base d’images médicales telles que les radiographies, établir une échelle de gravité qui peut être utilisée pour diagnostiquer des patients individuels.

L’équipe a utilisé 40 000 images d’articulations du genou dans le Biobanque britannique pour enseigner l’IA et créer une échelle de gravité pour le diagnostic de l’arthrose du genou, une maladie qui résulte du rétrécissement de l’espace articulaire entre le fémur et le tibia, a déclaré Vagheesh Narasimhan, co-auteur principal de l’article.

“L’une des preuves les plus simples et les plus claires qu’une personne souffre est que l’espacement entre ces deux articulations de votre genou se rapproche trop de zéro ou devient de plus en plus petit”, a déclaré Narasimhan, professeur adjoint de biologie intégrative. « Nous pouvons regarder cela directement et calculer cela sur les images. Et donc, essentiellement, vous pouvez placer les gens sur une échelle du rétrécissement de l’espace articulaire du genou dont ils souffrent, et c’est une mesure de la gravité de cette maladie.

L’équipe a utilisé les images médicales pour entraîner le modèle à mesurer l’espace entre le fémur et le tibia, a déclaré Emily Javan, co-premier auteur de l’article.

“Nous avons formé un modèle basé sur un dicton humain : ‘C’est ainsi que je veux que vous mesuriez cet espace'”, a déclaré le chercheur diplômé Javan. « Et puis nous avons associé cet espace à : « Souffrez-vous d’arthrose ? Oui ou non?’ Il s’agit d’une valeur quantitative directement corrélée au fait de devenir un oui ou un non.

Le modèle d’IA était nécessaire pour prendre des mesures à partir de dizaines de milliers d’images, ce qui est difficile à faire pour un clinicien seul, a déclaré Brianna Flynn, co-premier auteur de l’article.

“L’apprentissage en profondeur est utile car nous ne voulons pas nécessairement nous asseoir et mesurer manuellement 40 000 images ou un nombre quelconque d’images médicales”, a déclaré le chercheur diplômé Flynn. “Mais si vous entraînez un modèle et que vous lui enseignez plutôt bien, du genre : ” Hé, ce sont ces os, et je me soucie de la distance entre ces os “, l’échelle est illimitée parce que vous avez enseigné quelque chose qui peut être fait. beaucoup plus rapide, et c’est donc l’objectif principal de l’IA.

Le modèle a des implications supplémentaires dans la mesure de l’efficacité du traitement après le diagnostic, a déclaré Narasimhan. Par exemple, l’étude d’un patient à partir d’une image médicale peut être associée au délai de guérison.

“Nous prévoyons d’examiner spécifiquement les résultats postopératoires rapportés par les patients”, a déclaré Narasimhan. « Si nous effectuons ces diagnostics, mais mesurons également la gravité de la maladie à l’aide de l’imagerie avant que la personne ne subisse une intervention chirurgicale, la gravité de la maladie ou de la maladie entrante est-elle associée aux résultats qu’elle observe après une intervention chirurgicale ? »

Le modèle d’IA n’est pas destiné à remplacer les emplois de clinicien, mais plutôt à aider au diagnostic en milieu clinique, a déclaré Flynn.

“Cela va être d’une grande aide pour que les cliniciens puissent établir des diagnostics et vérifier où se situent leurs patients le long de leur spectre”, a déclaré Narasimhan. “Mais aussi, aidez-les simplement en termes de temps.”