Les chercheurs du mont Sinaï sont les premiers au pays à utiliser l'intelligence artificielle (IA) combinée à l'imagerie et aux données cliniques pour analyser les patients atteints de coronavirus (COVID-19).
Ils ont développé un algorithme unique qui peut détecter rapidement le COVID-19 en fonction de l'apparence d'une maladie pulmonaire dans la tomodensitométrie (tomodensitométrie) de la poitrine, en combinaison avec les informations du patient, notamment les symptômes, l'âge, les analyses de sang et les contacts possibles avec une personne infectée par le virus.
Cette étude, publiée dans le numéro du 19 mai de La nature Médicament, pourrait aider les hôpitaux du monde entier à détecter rapidement le virus, à isoler les patients et à l'empêcher de se propager pendant cette pandémie.
« L'IA a un énorme potentiel pour analyser rapidement de grandes quantités de données, un attribut qui peut avoir un impact important dans une situation telle qu'une pandémie. »
« Au mont Sinaï, nous l'avons reconnu très tôt et avons pu mobiliser l'expertise de notre faculté et nos collaborations internationales pour travailler à la mise en œuvre d'un nouveau modèle d'IA utilisant les données CT de patients atteints de coronavirus dans les centres médicaux chinois. »
Nous avons pu montrer que le modèle d'IA était aussi précis qu'un radiologue expérimenté dans le diagnostic de la maladie, et encore mieux dans certains cas où il n'y avait aucun signe clair de maladie pulmonaire au scanner. «
Zahi Fayad, PhD., Directeur, auteur principal de l'étude, Mount Sinai Health System
«Nous travaillons actuellement sur la façon d'utiliser cela à la maison et de partager nos résultats avec d'autres personnes; cette boîte à outils peut facilement être déployée dans le monde entier dans d'autres hôpitaux, soit en ligne, soit intégrée dans leurs propres systèmes.»
Cette recherche se prolonge sur une étude précédente du mont Sinaï qui a identifié un modèle caractéristique de maladie dans les poumons des patients COVID-19 et a montré comment elle se développe au cours d'une semaine et demie.
La nouvelle étude a impliqué des scans de plus de 900 patients que le mont Sinaï a reçus de collaborateurs institutionnels dans des hôpitaux en Chine. Les patients ont été admis dans 18 centres médicaux dans 13 provinces chinoises entre le 17 janvier et le 3 mars 2020.
Les analyses comprenaient 419 cas confirmés positifs au COVID-19 (la plupart avaient récemment voyagé à Wuhan, en Chine, où l'épidémie a commencé, ou avaient été en contact avec un patient infecté au COVID-19) et 486 scans négatifs au COVID-19.
Les chercheurs avaient également des informations cliniques sur les patients, y compris des résultats de tests sanguins montrant toute anomalie du nombre de globules blancs ou du nombre de lymphocytes ainsi que leur âge, leur sexe et leurs symptômes (fièvre, toux ou toux avec mucus).
Ils se sont concentrés sur les tomodensitogrammes et les tests sanguins, car les médecins chinois utilisent ces deux méthodes pour diagnostiquer les patients atteints de COVID-19 s'ils entrent avec de la fièvre ou ont été en contact avec un patient infecté.
L'équipe de Mount Sinai a intégré les données de ces tomodensitogrammes aux informations cliniques pour développer un algorithme d'IA. Il imite le flux de travail qu'un médecin utilise pour diagnostiquer COVID-19 et donne une prédiction finale de diagnostic positif ou négatif.
Le modèle d'IA produit des probabilités distinctes d'être COVID-19 positif sur la base d'images CT, de données cliniques et des deux combinées.
Les chercheurs ont initialement formé et affiné l'algorithme sur les données de 626 des 905 patients, puis testé l'algorithme sur les 279 patients restants du groupe d'étude (répartis entre les cas positifs et négatifs de COVID-19) pour juger de la sensibilité du test; une sensibilité plus élevée signifie de meilleures performances de détection.
Il a été démontré que l'algorithme avait une sensibilité statistiquement significativement plus élevée (84%) que 75% pour les radiologues évaluant les images et les données cliniques. Le système d'IA a également amélioré la détection des patients COVID-19 positifs qui avaient des tomodensitogrammes négatifs.
Plus précisément, il a reconnu 68% des cas positifs au COVID-19, tandis que les radiologues ont interprété tous ces cas comme négatifs en raison de l'apparence CT négative.
Une détection améliorée est particulièrement importante pour garder les patients isolés si les analyses ne montrent pas de maladie pulmonaire lorsque les patients présentent des symptômes pour la première fois (puisque l'étude précédente a montré que la maladie pulmonaire n'apparaît pas toujours au scanner dans les premiers jours) et les symptômes de COVID-19 sont souvent non spécifiques, ressemblant à une grippe ou à un rhume, il peut donc être difficile à diagnostiquer.
Les tomodensitogrammes ne sont pas largement utilisés pour le diagnostic de COVID-19 aux États-Unis; cependant, le Dr Fayad explique que l'imagerie peut encore jouer un rôle important.
«L'imagerie peut aider à donner un diagnostic rapide et précis-; les tests de laboratoire peuvent prendre jusqu'à deux jours, et il y a la possibilité de faux négatifs-; ce qui signifie que l'imagerie peut aider à isoler les patients immédiatement si nécessaire et à gérer efficacement les ressources hospitalières.»
« La sensibilité élevée de notre modèle d'IA peut fournir un » deuxième avis « aux médecins dans les cas où la TDM est soit négative (au début de l'infection), soit montre des résultats non spécifiques, ce qui peut être courant. »
«C'est quelque chose qui devrait être envisagé à plus grande échelle, en particulier aux États-Unis, où nous avons actuellement plus de capacité disponible pour la tomodensitométrie que dans les laboratoires pour les tests génétiques», a déclaré le Dr Fayad, qui est également professeur de diagnostic, moléculaire et radiologie interventionnelle à l'École de médecine Icahn du mont Sinaï.
« Cette étude est importante car elle montre qu'un algorithme d'intelligence artificielle peut être formé pour aider à l'identification précoce de COVID-19, et cela peut être utilisé dans le contexte clinique pour trier ou prioriser l'évaluation des patients malades au début de leur admission au d'urgence « , a déclaré Matthew Levin, MD, directeur de l'équipe de science des données cliniques du système de santé du mont Sinaï, et membre du centre informatique COVID du mont Sinaï.
« Il s'agit d'un concept de preuve précoce que nous pouvons appliquer à nos propres données de patients pour développer davantage des algorithmes plus spécifiques à notre région et à nos populations diverses. »
Les chercheurs du mont Sinaï se concentrent désormais sur le développement du modèle afin de trouver des indices sur la façon dont les patients se porteront en fonction des subtilités de leurs données CT et de leurs informations cliniques. Ils disent que cela pourrait être important pour optimiser le traitement et améliorer les résultats.
La source:
Système de santé du mont Sinaï
