Chez les patients subissant une évaluation échocardiographique de la fonction cardiaque, l’évaluation préliminaire par l’intelligence artificielle (IA) est supérieure à l’évaluation initiale par l’échographiste, selon une recherche de dernière minute présentée lors d’une session Hot Line aujourd’hui au Congrès ESC 2022.
L’utilisation de l’IA en médecine suscite beaucoup d’enthousiasme, mais les technologies sont rarement évaluées dans le cadre d’essais cliniques prospectifs. Nous avons précédemment développé l’une des premières technologies d’IA pour évaluer la fonction cardiaque (fraction d’éjection ventriculaire gauche ; FEVG) dans les échocardiogrammes et dans cet essai randomisé en aveugle, nous l’avons comparée avec les tracés de l’échographiste. Cet essai a été alimenté pour montrer la non-infériorité de l’IA par rapport aux tracés de l’échographiste, et nous avons donc été agréablement surpris lorsque les résultats ont en fait montré une supériorité par rapport aux résultats pré-spécifiés.
Dr David Ouyang du Smidt Heart Institute à Cedars-Sinai, Los Angeles, États-Unis
Une évaluation précise de la FEVG est essentielle pour diagnostiquer les maladies cardiovasculaires et prendre des décisions thérapeutiques. L’évaluation humaine est souvent basée sur un petit nombre de cycles cardiaques qui peuvent entraîner une forte variabilité inter-observateur. EchoNet-Dynamic est un algorithme d’apprentissage en profondeur qui a été formé sur des vidéos d’échocardiogramme pour évaluer la fonction cardiaque et il a déjà été démontré qu’il évaluait la FEVG avec une erreur absolue moyenne de 4,1 à 6,0 %. L’algorithme utilise des informations sur plusieurs cycles cardiaques pour minimiser les erreurs et produire des résultats cohérents.
EchoNet-RCT a testé si l’évaluation par l’IA ou l’échographiste de la FEVG est plus fréquemment ajustée par un cardiologue examinateur. Le flux de travail clinique standard pour déterminer la FEVG par échocardiographie est qu’un échographiste scanne le patient ; l’échographiste fournit une évaluation initiale de la FEVG ; puis un cardiologue examine l’évaluation pour fournir un rapport final de FEVG. Dans cet essai clinique, le scanner de l’échographiste a été attribué au hasard 1: 1 à l’évaluation initiale de l’IA ou à l’évaluation initiale de l’échographiste, après quoi des cardiologues en aveugle ont examiné l’évaluation et ont fourni un rapport final de FEVG (voir figure).
Les chercheurs ont comparé la mesure dans laquelle les cardiologues ont modifié l’évaluation initiale par l’IA et la mesure dans laquelle ils ont modifié l’évaluation initiale par l’échographiste. Le critère d’évaluation principal était la fréquence d’une variation supérieure à 5 % de la FEVG entre l’évaluation initiale (IA ou échographiste) et le rapport final du cardiologue. L’essai a été conçu pour tester la non-infériorité, avec un objectif secondaire de test de supériorité.
L’étude comprenait 3 495 échocardiogrammes transthoraciques réalisés sur des adultes pour toute indication clinique. La proportion d’études substantiellement modifiées était de 16,8 % dans le groupe IA et de 27,2 % dans le groupe échographiste (différence -10,4 %, intervalle de confiance à 95 % [CI] -13,2 % à -7,7 %, p<0,001 pour la non-infériorité, p<0,001 pour la supériorité). Le critère d'évaluation de l'innocuité était la différence entre le rapport final du cardiologue et un rapport historique du cardiologue. La différence absolue moyenne était de 6,29 % dans le groupe AI et de 7,23 % dans le groupe échographiste (différence -0,96 %, IC à 95 % -1,34 % à -0,54 %, p<0,001 pour la supériorité).
Le Dr Ouyang a déclaré : « Nous avons beaucoup appris en menant un essai randomisé d’un algorithme d’IA, ce qui n’avait jamais été fait auparavant en cardiologie. Premièrement, nous avons appris que ce type d’essai est hautement réalisable dans le bon cadre, où l’IA L’algorithme peut être intégré dans le flux de travail clinique habituel en aveugle. Deuxièmement, nous avons appris que l’aveugle peut vraiment bien fonctionner dans cette situation. Nous avons demandé à nos lecteurs de cardiologues de deviner s’ils pensaient que le tracé qu’ils venaient d’examiner avait été effectué par l’IA. ou par un échographiste, et il s’avère qu’ils ne pouvaient pas faire la différence – ce qui témoigne à la fois des performances élevées de l’algorithme d’IA et de l’intégration transparente dans le logiciel clinique. Nous pensons que ce sont tous de bons signes pour de futures recherches d’essais Sur le terrain. »
Il a conclu : « Nous sommes enthousiasmés par les implications de l’essai. Ce que cela signifie pour l’avenir, c’est que certains algorithmes d’IA, s’ils sont développés et intégrés de la bonne manière, pourraient être très efficaces non seulement pour améliorer la qualité de la sortie de lecture d’écho, mais augmentant également l’efficacité du temps et des efforts consacrés par les échographistes et les cardiologues en simplifiant des tâches autrement fastidieuses mais importantes. L’intégration de l’IA dans les flux de travail cliniques pourrait potentiellement fournir des évaluations plus précises et cohérentes, permettant ainsi une détection plus précoce de la détérioration clinique ou de la réponse au traitement.
