Les évaluations des patients atteints de colite ulcéreuse (CU), qui est un type de maladie inflammatoire de l'intestin, sont généralement effectuées par endoscopie et histologie. Mais maintenant, des chercheurs japonais ont mis au point un système qui peut être plus précis que les méthodes existantes et peut réduire la nécessité pour ces patients de subir des procédures médicales invasives.
Dans une étude publiée en février dans Gastroentérologie, des chercheurs de l'Université médicale et dentaire de Tokyo (TMDU) ont révélé un nouveau système d'intelligence artificielle (AI) qui peut évaluer les résultats endoscopiques de la CU avec une précision équivalente à celle des endoscopistes experts.
Des évaluations précises sont essentielles pour fournir des soins optimaux aux patients atteints de CU. Des études antérieures ont indiqué que la rémission endoscopique, évaluée via l'évaluation de la procédure endoscopique, et la rémission histologique, comme l'indique le degré d'inflammation microscopique, peuvent prédire les résultats pour le patient et sont donc fréquemment utilisées comme objectifs de traitement. Cependant, des variations intra et inter-observateurs se produisent dans les analyses endoscopiques et histologiques, et l'analyse histologique nécessite fréquemment la collecte de tissus via des biopsies, qui sont invasives et coûteuses.
L'interprétation des images endoscopiques est subjective et basée sur l'expérience des endoscopistes individuels, ce qui rend difficile la standardisation de l'évaluation et la caractérisation en temps réel. Pour y remédier, nous avons cherché à développer un système de réseau neuronal profond (DNN) pour une analyse cohérente, objective et en temps réel des images endoscopiques de patients atteints de CU (DNUC). «
Kento Takenaka, auteur principal de l'étude
Pour ce faire, les chercheurs ont développé un système avec des DNN pour évaluer les images endoscopiques de patients atteints de CU. Les DNN sont un type de méthode d'apprentissage automatique de l'IA basée sur la construction de réseaux de neurones artificiels.
«Nous avons construit l'algorithme DNUC, en utilisant 40 758 images de coloscopies et 6885 résultats de biopsie de patients atteints de CU en 2012», explique l'auteur principal Mamoru Watanabe. « Cela comprenait l'ensemble de formation pour l'apprentissage automatique, qui a permis à l'algorithme d'apprendre à évaluer et à classer avec précision les données ».
Les chercheurs ont ensuite validé la précision de l'algorithme DNUC en utilisant 4187 images endoscopiques et 4104 échantillons de biopsie de 875 patients atteints de CU.
« Nous avons constaté que la DNUC atteignait un niveau de précision équivalent à celui des endoscopistes experts », explique Takenaka. « Ainsi, notre système a pu prédire la rémission histologique de la CU en utilisant uniquement des images endoscopiques, par opposition aux données histologiques et endoscopiques. Cela représente un développement important étant donné les coûts et les risques associés aux biopsies. »
Le DNUC peut être en mesure d'identifier les patients atteints de CU qui sont en rémission sans les obliger à subir une collecte et une analyse de biopsie. Cela pourrait économiser du temps et de l'argent pour les institutions médicales et limiter l'exposition aux procédures médicales invasives pour les personnes atteintes de CU.
La source:
Université médicale et dentaire de Tokyo
Référence de la revue:
Takenaka, K., et al. (2020) Développement et validation d'un réseau neuronal profond pour une évaluation précise des images endoscopiques de patients atteints de colite ulcéreuse. Gastroentérologie. doi.org/10.1053/j.gastro.2020.02.012.