Les dermatologues améliorent la précision du diagnostic des lésions suspectes grâce à la « collaboration » de l’IA

Les dermatologues ont considérablement amélioré leur précision diagnostique pour les lésions mélanocytaires lorsqu’ils ont ajouté une forme d’intelligence artificielle (IA) à la prise de décision clinique, a montré une étude multicentrique.

La sensibilité pour distinguer les naevus et les mélanomes est passée de 84 % sans IA à 100 % avec, et la spécificité s’est améliorée de 72,1 % à 83,7 %. La précision moyenne et l’aire moyenne sous la courbe caractéristique de fonctionnement du récepteur (AUC-ROC) ont également augmenté de manière significative lorsque l’acuité clinique et l’IA ont été combinées.

Pour la plupart des lésions, les dermatologues ont trouvé le soutien d’un réseau de neurones convolutifs (CNN) rassurant et/ou utile, a rapporté Holger A. Haenssle, MD, de l’Université de Heidelberg en Allemagne, et co-auteurs de JAMA Dermatologie.

Alors que les patients étaient ouverts d’esprit quant au soutien de CNN, ils ont rejeté l’idée de remplacer le jugement du clinicien par des réseaux de neurones.

“À notre connaissance, il n’existe à ce jour aucune donnée montrant dans quelle mesure les dermatologues appliqueraient les recommandations de CNN et réviseraient leurs décisions initiales dans une situation clinique prospective”, ont écrit les auteurs à propos de leurs conclusions. “Il est intéressant de noter que dans cette étude, toutes les principales mesures de résultats mentionnées précédemment se sont considérablement améliorées après que les dermatologues ont eu accès aux résultats de CNN. Les résultats de cette étude prospective confirment largement les données d’études rétrospectives utilisant des images de lésions au lieu d’examens en direct.”

“Ces résultats indiquent qu’une application plus large de cette approche homme-machine, en particulier dans les institutions non spécialisées, pourrait être bénéfique pour les cliniciens et les patients”, ont-ils ajouté.

L’approche clinicien-machine a potentiellement une large application en dermatologie.

“Il existe de nombreux autres cas où des” systèmes d’IA diagnostiques “pourraient être appliqués en dermatologie”, a déclaré Haenssle. MedPage aujourd’hui par email. “Chaque semaine, il y a une nouvelle publication [with proof-of-principle evidence for different indications] — différencier l’éruption médicamenteuse inoffensive du TEN [toxic epidermal necrolysis]identifiant l’onychomycose à partir d’images d’ongles d’orteils, etc.”

Le diagnostic réussi des lésions mélanocytaires a donné l’impulsion à une nouvelle enquête “couvrant le spectre complet des lésions cutanées bénignes/malignes, mélanocytaires/non mélanocytaires et pigmentées/non pigmentées”, a ajouté Haenssle.

Les études précédentes de CNN en dermatologie étaient rétrospectives et évaluaient les performances diagnostiques de la technologie pour des images de lésions avec un diagnostic vérifié. De nombreuses études ont montré des performances de haut niveau mais aussi des limites importantes de la technologie CNN, notamment une augmentation du nombre de faux diagnostics à partir d’images qui incluaient des artefacts, tels que des barres d’échelle et des marques cutanées, ainsi que pour des lésions rares dans des sites muqueux ou sous-unguéaux, le notent les auteurs.

De plus, plusieurs études rétrospectives de collaborations homme-machine ont comparé les performances diagnostiques des dermatologues avec ou sans la disponibilité des résultats de la classification CNN. Les études prospectives et rétrospectives présentent des différences notables. Dans une étude prospective, les patients sont interrogés et examinés, et les décisions cliniques ont une association directe avec le bien-être du patient, tandis que les études rétrospectives évitent les conséquences de lésions malignes manquantes, ont déclaré Haenssle et ses co-auteurs.

Pour remédier à certaines des limites des études antérieures, les chercheurs ont entrepris une étude prospective de 22 dermatologues dans un mélange de milieux universitaires et communautaires. Les dermatologues ont effectué des dépistages du cancer de la peau par examen direct et dermoscopie. Ils ont classé le risque de malignité des lésions mélanocytaires (gamme 0-1, seuil de malignité ≥ 0,5) et suggéré des décisions de gestion (aucune action, suivi ou excision).

Les lésions suspectes ont été évaluées par un CNN approuvé par le marché (Moleanalyzer Pro) et classées en fonction du risque de malignité, en utilisant la même plage et le même seuil que les dermatologues. Les scores ont été partagés avec des dermatologues avec une demande de réévaluation des lésions et de reconsidération des décisions de prise en charge initiales.

Les diagnostics de référence étaient basés sur les résultats histopathologiques pour les lésions excisées ou sur le suivi clinique et le consensus d’experts pour les lésions non excisées. Les critères de jugement principaux étaient la sensibilité et la spécificité diagnostiques des dermatologues avec et sans l’aide de CNN.

Les dermatologues ont détecté 228 lésions suspectes (190 nævi et 38 mélanomes) chez 188 patients. La sensibilité et la spécificité diagnostiques des cliniciens se sont considérablement améliorées à l’aide de CNN (P=0,03 et P<0,001, respectivement). La précision moyenne est passée de 74,1 % à 86,4 % (P<0,001) et ASC-ROC moyenne de 0,895 à 0,968 (P=0,005).

CNN seul a atteint une sensibilité diagnostique similaire à celle des dermatologues, une plus grande spécificité et une plus grande précision diagnostique. De plus, le nombre d’excisions inutiles de naevus a diminué significativement de 19,2 % (104/190 à 84/190, P<0,001).

Les dermatologues ayant 2 à 5 ans d’expérience ont examiné 96 (42,1 %) lésions, tandis que les dermatologues moins expérimentés en ont examiné 78 (34,2 %) et les dermatologues ayant plus de 5 ans d’expérience en ont examiné 54 (23,7 %). Les dermatologues ayant moins d’expérience en dermoscopie ont eu la plus grande amélioration de la précision du diagnostic avec la collaboration de CNN (70,5 % à 87,2 %, P<0,01).

La précision du diagnostic s’est également améliorée de manière significative pour ceux qui ont entre 2 et 5 ans d’expérience (77,1 % à 91,7 %, P=0,01). Les dermatologues plus expérimentés ont obtenu une petite amélioration non significative de la précision à l’aide de CNN (74,1 % à 75,9 %).

Veuillez activer JavaScript pour afficher le commentaires alimentés par Disqus.