Dans une étude récente publiée dans Gastro-entérologieles chercheurs ont évalué l’efficacité de l’intelligence artificielle dans la prédiction histologique de la rémission de la colite ulcéreuse ou des résultats cliniques.
Arrière-plan
La colite ulcéreuse (CU) est une maladie inflammatoire chronique de l’intestin (MII) rémittente et récurrente. Pour prévenir les complications, le traitement de la CU vise à éliminer l’inflammation, l’histopathologie étant le moyen le plus précis de détecter l’inflammation et de la distinguer de la rémission. La rémission histologique (RH) est associée à de meilleurs résultats cliniques et est donc devenue un objectif thérapeutique. Les systèmes de diagnostic assisté par ordinateur (CAO) basés sur l’intelligence artificielle (IA) sont largement utilisés pour simplifier et normaliser l’interprétation de l’imagerie médicale. Ces outils peuvent potentiellement améliorer l’examen, faciliter l’interprétation et éliminer les désaccords entre les pathologistes.
À propos de l’étude
Dans la présente étude, les chercheurs ont cherché à construire et à valider un système de CAO assisté par l’IA pour évaluer les échantillons de CU et prédire le pronostic.
De septembre 2016 à novembre 2019, l’équipe a recruté des patients de 11 centres pour l’analyse primaire. Les participants éligibles avaient une CU confirmée depuis plus d’un an, indépendamment de l’activité de la maladie et d’une indication de coloscopie. Un minimum de deux échantillons de tissus ciblés ont été obtenus à partir des sites les plus typiques de cicatrisation ou d’inflammation présents dans le rectum et le sigmoïde, qui étaient les mêmes régions où l’évaluation endoscopique a été enregistrée.
Pour l’évaluation du pronostic, les résultats cliniques associés à l’hospitalisation liée à la CU, à la chirurgie liée à la CU et à l’augmentation ou aux variations de l’initiation du traitement de la CU, tels que les stéroïdes, les agents biologiques et les immunomodulateurs, ont été sélectionnés comme substituts de la poussée de la maladie. Ces procurations ont été enregistrées via des visites téléphoniques de suivi ou des appels effectués 12 mois après l’endoscopie dans le groupe initial ou jusqu’à 33 mois dans le groupe de validation externe.
L’indice de rémission histologique de Picasso a été mis en œuvre dans le système CAD en concevant un cadre construit selon l’apprentissage à instances multiples avec des restrictions. La prédiction finale de la biopsie entière a été dérivée à l’aide d’une stratégie d’apprentissage à instances multiples qui évaluait l’examen de chaque patch de biopsie et combinait l’évaluation en un résultat final, une activité ou une rémission conformément à la PHRI. La performance diagnostique du CAD a été estimée comme étant la sensibilité (SE), la valeur prédictive négative (NPV), la valeur prédictive positive (PPV), la spécificité (SP), le F1-Score (F1S), l’aire sous la courbe caractéristique de fonctionnement du récepteur (AUROC) , et précision (ACC).
Résultats
Initialement, un total de 535 échantillons ont été utilisés pour le développement et les tests du modèle. Ces échantillons ont été obtenus à partir de 273 individus, dont 40,7% étaient des femmes, et l’âge moyen était de 48,1 ans. Selon les critères retenus pour les évaluer, entre les deux tiers et les trois quarts des biopsies étaient histologiquement en rémission. Sur les 535 biopsies initiales, près de 118 ont été utilisées pour la formation du modèle, 42 pour l’étalonnage du modèle et 375 pour sa validation. Par la suite, 154 échantillons supplémentaires provenant de 58 patients atteints de CU ont été utilisés pour une validation externe. Dans un ensemble de validation de 375 biopsies, l’équipe a noté que le système CAD différenciait la rémission histologique de l’activité liée à la maladie telle que définie par le PHRI avec une sensibilité de 89 %, une spécificité de 85 %, une VPP de 75 %, une VPN de 94 %, une précision de 87 % et une AUROC de 87%.
La même méthode formée pour identifier les neutrophiles et prédire le PHRI a ensuite été comparée aux évaluations humaines de la rémission/activité basées sur l’indice d’histopathologie de Robart (RHI) et l’indice histologique de Nancy (NHI). L’équipe a observé que le système distinguait la rémission histologique et l’activité avec une sensibilité de 94 %, une spécificité de 76 %, une VPP de 53 %, une VPN de 98 %, une précision de 80 % et un AUROC de 85 %. D’autre part, le système CAD a révélé une sensibilité de 89 %, une spécificité de 79 %, une VPP de 60 %, une VPN de 95 %, une précision de 81 % et un AUROC de 86 %. Notamment, les différences AUROC n’étaient pas statistiquement significatives.
Lorsque les patients en activité histologique ou en rémission ont été classés en fonction de l’évaluation des pathologistes, l’équipe a observé que les rapports de risque entre le groupe connaissant un événement clinique indésirable pré-spécifié et le groupe avec un substitut pour une poussée, étaient de 3,56 selon le PHRI , 4,28 selon RHI et 3,56 selon NHI. Cependant, lorsque la même évaluation a été effectuée par le système CAD qui a été formé pour différencier l’activité PHRI et la rémission, le rapport de risque était de 4,64, ce qui était comparable et numériquement supérieur à celui effectué par des experts humains en tenant compte de l’un des scores analysés. .
Dans l’ensemble, les résultats de l’étude ont montré que le système CAD utilisé dans l’étude différenciait avec précision la rémission de la maladie de l’activité de la maladie et fournissait une bonne prévision de l’activité endoscopique associée ainsi que du risque de poussée. Les chercheurs pensent que d’autres développements impliqueront la détection de la dysplasie et l’intégration de modèles histologiques et endoscopiques d’IA dans un outil unifié de surveillance et de prédiction des maladies.
