Une récente Médecine numérique Npj L’étude évalue l’exactitude et l’efficacité des techniques d’imagerie basées sur l’intelligence artificielle (IA) pour diagnostiquer la sclérose en plaques (SEP).
Étude: Une validation clinique réelle pour la surveillance IRM basée sur l’IA dans la sclérose en plaques. Crédit d’image : Nouvelle Afrique/Shutterstock.com
Sommaire
Arrière-plan
La SEP est une maladie démyélinisante neurodégénérative et inflammatoire courante du système nerveux central (SNC). La SEP se caractérise par des lésions focales et une neurodégénérescence diffuse dans la moelle épinière et le cerveau. Les personnes atteintes de SEP souffrent d’importants handicaps cognitifs et physiques, qui entraînent parfois un retrait prématuré du marché du travail.
Dans le monde, environ 2,8 millions de personnes vivent avec la SEP. La thérapie de fond (DMT) s’est avérée très efficace et réduit le risque de récidive de la maladie.
L’activité inflammatoire est un substrat pathologique majeur qui réduit l’aggravation associée aux rechutes (RAW). La réponse des patients atteints de SEP au DMT est évaluée chaque année par imagerie par résonance magnétique (IRM).
L’IRM joue un rôle essentiel dans l’évaluation des maladies neurologiques qui affectent un grand nombre d’axones et perturbent des réseaux cérébraux intégrés complexes. De même, l’IRM et d’autres modalités d’imagerie facilitent le diagnostic de la SEP et le suivi de cette maladie et de sa réponse au DMT.
L’absence de volume FLAIR 3D antérieur ou actuel dans les systèmes d’archivage et de communication d’images (PACS) pose une limitation pour la détection précise des petites lésions. Le volume de lésions nouvelles ou en expansion influence les stratégies de traitement qui ne sont généralement pas détectées dans la pratique de radiologie clinique de routine. Dans les méthodes traditionnelles, l’expérience des radiologues est extrêmement importante pour analyser la charge globale des lésions FLAIR qui reflète la gravité de la SEP.
La comparaison entre une perte sévère de volume cérébral (BVL) et des témoins sains du même âge fournit des informations pronostiques significatives. L’exactitude de ces informations dépend de l’inspection visuelle des radiologues.
Les modifications du volume cérébral au cours des intervalles de 12 mois entre les examens IRM sont faibles et peuvent ne pas être déterminées par une inspection visuelle. L’incapacité à identifier les changements à court terme du volume cérébral est une cause importante de trajectoires indésirables liées aux résultats de la SEP et influence les décisions cliniques de modifier ou d’augmenter le DMT.
Le développement d’algorithmes d’IA pour l’imagerie médicale a permis l’automatisation de la détection clinique. L’IA a également été utilisée pour la segmentation des structures cérébrales et l’analyse de différentes pathologies cérébrales, notamment les lésions de SEP.
À propos de l’étude
La présente étude a évalué l’efficacité d’iQ-SolutionsTM, ci-après dénommé iQ-MS, sur la base d’une large cohorte d’analyses MS. Les évaluations des scans MS ont été menées de manière indépendante par des radiologues experts en milieu clinique.
Les chercheurs ont émis l’hypothèse que les outils basés sur l’IA peuvent évaluer de manière plus sensible et plus précise les rapports d’activité de la maladie par IRM que les méthodes conventionnelles basées sur les rapports de radiologie.
Les scanners cérébraux ont été analysés par iQ-Solutions™ au format DICOM (Digital Imaging and Communications in Medicine) par une collection d’algorithmes d’IA basés sur la technologie des réseaux neuronaux profonds. Les algorithmes basés sur l’IA ont été conçus sur la base de 8 500 scintigraphies cérébrales savamment annotées par des analystes qualifiés en neuroimagerie.
Une cohorte de référence a été créée sur la base d’IRM de plus de 3 000 témoins sains et d’un échantillon indépendant de 839 personnes atteintes de SEP. Les deux échantillons ont été traités avec les mêmes méthodes.
Résultats de l’étude
Les solutions iQMT Le système génère des données sur le cerveau entier transversal et longitudinal, les mesures des lésions et la sous-structure cérébrale pertinentes pour la SEP. Cet outil d’IA permet de visualiser de nombreux systèmes d’archivage et de communication d’images (PACS) que les radiologues peuvent examiner. Les images numérisées sont automatiquement soumises à un contrôle de qualité pour des séquences optimales de pré-contraste 3D-T1 et 3D FLAIR, contenant plus de 30 tranches d’une épaisseur de trois millimètres (mm) ou plus.
Des algorithmes de segmentation transversale ont été conçus sur la base de 3D-UNet, qui ont permis l’extraction des caractéristiques de l’image, suivies de la tête de prédiction. La validation croisée a été réalisée en comparant les scores DICE au niveau des cas et des voxels avec des rapports de vérité sur le terrain produits par des analystes qualifiés en neuroimagerie.
L’activité lésionnelle à différents moments a été mesurée par iQ-Solutions, indiquant le développement de lésions nouvelles et en expansion. De plus, iQ-MS a révélé des lésions élargies sous la forme de nouveaux voxels lésés connectés aux lésions existantes signalées dans une étude précédente au sein de son voisinage de 26 voxels.
LG-Net est un modèle de représentation de lésions pour les analyses volumétriques du cerveau et des sous-structures. Ce système a été appliqué aux images 3DT1 pour améliorer le biais de segmentation produit en raison de la présence de lésions SEP.
Notamment, iQ-Solutions effectue de nombreuses vérifications entre les deux moments d’analyse. En cas d’erreur, les mesures longitudinales sont signalées mais sont renvoyées à l’utilisateur avec un avertissement d’irrégularité de protocole.
L’outil iQ-MS est équipé de l’algorithme DeepBVC, qui évalue le changement longitudinal de volume du cerveau entier. Un modèle de segmentation basé sur l’IA intégré à une méthode jacobienne a permis d’estimer le changement de volume total de la matière grise et du thalamus.
De plus, iQ-MS propose des données volumétriques pour des patients individuels sous forme de valeurs normalisées. Cet outil fournit des données sur la volumétrie cérébrale et les volumes de lésions de SEP comparées à un patient hypothétique de SEP d’âge, de handicap et de durée de la maladie similaires. Cela a permis une référence plus significative et expérientielle sur le plan clinique.
Conclusions
Les résultats expérimentaux soutiennent l’utilisation d’iQ-MS pour surveiller les personnes atteintes de SEP. Comparé à un rapport de laboratoire d’analyse IRM de base et à des rapports de radiologie, l’outil d’IA actuel offre une meilleure évaluation clinique.
Les résultats de l’étude soulignent que l’utilisation d’iQ-MS pourrait améliorer l’imagerie clinique, la recherche spécifique à une maladie et la gestion de chaque patient atteint de SEP en temps réel.
