Un diagnostic d’AVC plus rapide et plus fiable grâce à l’intelligence artificielle

Heidelberg – Des scientifiques de l’hôpital universitaire de Heidelberg, du centre allemand de recherche sur le cancer et de l’hôpital universitaire de Bonn ont développé un algorithme pour l’évaluation automatisée des images CT. Le système est clairement supérieur à plusieurs produits d’IA disponibles dans le commerce pour le diagnostic des accidents vasculaires cérébraux. À des fins de recherche, l’algorithme peut être utilisé gratuitement via le site Internet.

Des picotements soudains et persistants dans votre bras ou un mal de tête inhabituellement intense ? Il n’est parfois pas facile de répondre à la question de savoir s’il s’agit d’un accident vasculaire cérébral, même après une tomodensitométrie (TDM). Un nouveau programme d’analyse développé par des équipes de l’hôpital universitaire de Heidelberg (UKHD) et du centre allemand de recherche sur le cancer (DKFZ) en coopération avec des collègues de l’hôpital universitaire de Bonn (UKB) offre une aide pour diagnostiquer – ou exclure – les accidents vasculaires cérébraux. L’algorithme d’apprentissage a été formé avec les ensembles de données CT de plus de 1 000 patients UKHD suspectés d’avoir subi un accident vasculaire cérébral et sa fiabilité a été testée dans trois cliniques régionales et à l’UKB en parallèle avec les diagnostics habituels d’accident vasculaire cérébral et par rapport aux produits commerciaux. Les résultats des tests ont été publiés dans la revue “Nature Communications” : l’application Heidelberg permettant d’évaluer les données d’images CT fonctionne nettement mieux que les produits d’IA actuellement disponibles pour le diagnostic des accidents vasculaires cérébraux.

La tomodensitométrie est devenue indispensable pour diagnostiquer un accident vasculaire cérébral : l’examen est rapide et permet de visualiser les occlusions vasculaires en cause, leur localisation et leur étendue, ainsi que les lésions tissulaires cérébrales. Ces informations sont importantes pour la suite de la procédure, par exemple si une intervention par cathéter, appelée thrombectomie, est une option et si le patient doit être transféré dans une clinique spécialisée comme l’UKHD. L’évaluation des images tomodensitométriques doit être rapide, car plus le début du traitement prend du temps, plus le tissu cérébral est irrémédiablement endommagé par le trouble circulatoire. “Dans le cas de rares occlusions dans les zones externes du cerveau, l’évaluation des données d’image peut prendre du temps et est soumise à un certain degré d’incertitude, qui dépend également de l’expérience de l’équipe sur place”, explique Philipp Vollmuth. , auteur principal de l’article et chef de la section Neuroimagerie computationnelle, UKHD Clinic for Neuroradiology.

Des programmes d’analyse assistée par ordinateur sont désormais sur le marché pour permettre de gagner du temps. À cette fin, un algorithme d’apprentissage est formé sur la base d’autant de données d’images CT que possible pour identifier de manière aussi fiable que possible les occlusions vasculaires de n’importe quelle position et type dans le cerveau. Le problème des prestataires commerciaux : ils n’ont qu’un accès limité aux données cliniques, le matériel de formation en intelligence artificielle (IA) n’est donc pas toujours représentatif et la méthodologie utilisée ne correspond pas toujours à l’état actuel de la science. De ce fait, l’IA reconnaît mal les occlusions dans les vaisseaux cérébraux qui sont moins fréquemment touchés.

L’outil d’analyse de Heidelberg est différent : l’algorithme a été développé à l’aide de données d’images provenant de plus de 1 000 patients qui ont été examinés et traités à l’UKHD avec une suspicion d’accident vasculaire cérébral. Il a ensuite fait ses preuves lors d’une phase de test de six mois dans trois cliniques partenaires sélectionnées du Consortium Rhin-Neckar Stroke (FAST) et à l’UKB. « Notre algorithme s’est avéré nettement plus précis que les produits commerciaux d’IA. De plus, la valeur prédictive négative, c’est-à-dire que la prédiction est réellement correcte lorsque l’algorithme exclut une occlusion vasculaire, est déjà très bonne, jusqu’à 97 pour cent”, explique Philipp Vollmuth. “Mais notre objectif est d’améliorer encore l’algorithme. . “

L’équipe du projet souhaite pour cela utiliser le “data crowdsourcing” : l’algorithme est disponible via le site Internet. peut être utilisé à des fins de recherche et est mis à disposition gratuitement par le DKFZ. Les chercheurs enregistrés peuvent télécharger les données d’images des patients sur le site Web et recevoir l’évaluation en quelques minutes. Les données d’image importées devraient être utilisées à l’avenir, après approbation, pour poursuivre la formation de l’IA. “Grâce à ce concept, nous améliorerons continuellement l’algorithme et espérons donc que le plus grand nombre de cliniques possible participeront au projet. Nous considérons ce concept comme un modèle pour le développement coopératif d’algorithmes d’IA hautement fiables”, explique Ralf Floca, chef de groupe au département de traitement d’images médicales du DKFZ.

L’IA ne peut et ne doit pas remplacer le regard critique d’un médecin : le principe des quatre yeux s’applique toujours au diagnostic. « Le système permet de confirmer le diagnostic, surtout lorsque les symptômes ne sont pas clairs et qu’il n’existe pas d’expertise neuroradiologique spécialisée dans les petits hôpitaux. De plus, notre algorithme indique à quel point il est fiable dans son résultat. En cas de grande incertitude, des investigations plus approfondies devraient suivre”, explique Philipp Vollmuth. Il voit surtout un grand avantage pour les personnes concernées dans la possibilité de pouvoir démarrer une thérapie plus rapidement dans cette situation critique grâce au soutien de l’IA.

Littérature:
Brugnara G, Baumgartner M, Scholze ED, Deike-Hofmann K, Kades K, Scherer J, Denner S, Meredig H, Rastogi A, Mahmutoglu MA, Ulfert C, Neuberger U, Schönenberger S, Schlamp K, Bendella Z, Pinetz T, Schmeel C, Wick W, Ringleb PA, Floca R, Möhlenbruch M, Radbruch A, Bendszus M, Maier-Hein K, Vollmuth P. Détection basée sur l’apprentissage profond des occlusions vasculaires sur angiographie CT chez les patients suspectés d’accident vasculaire cérébral ischémique aigu.
Communications Nature 2023,

Informations Complémentaires:

Source : Communiqué de presse de l’hôpital universitaire de Heidelberg

Avec plus de 3 000 employés, le Centre allemand de recherche sur le cancer (DKFZ) est le plus grand centre de recherche biomédicale d’Allemagne. Les scientifiques du DKFZ étudient le développement du cancer, enregistrent les facteurs de risque de cancer et recherchent de nouvelles stratégies pour empêcher les personnes de développer un cancer. Ils développent de nouvelles méthodes permettant de diagnostiquer les tumeurs avec plus de précision et de traiter les patients atteints de cancer avec plus de succès. Le service d’information sur le cancer (KID) du DKFZ fournit aux personnes concernées, aux personnes intéressées et aux groupes spécialisés des réponses individuelles à toutes les questions concernant le cancer.

Afin de transférer des approches prometteuses de la recherche sur le cancer à la clinique et d’améliorer ainsi les chances des patients, le DKFZ gère des centres de traduction en collaboration avec d’excellentes cliniques universitaires et instituts de recherche dans toute l’Allemagne :

• Centre national des maladies tumorales (NCT, 6 sites)
• Consortium allemand pour la recherche translationnelle sur le cancer (DKTK, 8 sites)
• Centre de cancérologie pour enfants Hopp (KiTZ) Heidelberg
• Institut Helmholtz d’oncologie translationnelle (HI-TRON) Mayence – un institut Helmholtz du DKFZ
• DKFZ-Hector Cancer Institute du centre médical universitaire de Mannheim
• Centre national de prévention du cancer (en collaboration avec l’Aide allemande contre le cancer)

Le DKFZ est financé à 90 pour cent par le ministère fédéral de l’Éducation et de la Recherche et à 10 pour cent par le Land de Bade-Wurtemberg et est membre de l’association Helmholtz des centres de recherche allemands.