L’IA (intelligence artificielle) peut ressembler à un système robotique froid, mais les scientifiques de l’Université métropolitaine d’Osaka ont montré qu’elle peut apporter un soutien réconfortant – ou, plus précisément, « un avertissement pour le cœur » -; Ils ont dévoilé une utilisation innovante de l’IA qui classe les fonctions cardiaques et identifie les cardiopathies valvulaires avec une précision sans précédent, démontrant des progrès continus dans la fusion des domaines de la médecine et de la technologie pour faire progresser les soins aux patients. Les résultats seront publiés dans La santé numérique The Lancet.
La cardiopathie valvulaire, l’une des causes de l’insuffisance cardiaque, est souvent diagnostiquée par échocardiographie. Cette technique nécessite toutefois des compétences spécialisées, d’où une pénurie correspondante de techniciens qualifiés. Pendant ce temps, la radiographie pulmonaire est l’un des tests les plus courants pour identifier les maladies, principalement des poumons. Même si le cœur est également visible sur les radiographies thoraciques, on en savait peu jusqu’à présent sur la capacité des radiographies thoraciques à détecter une fonction ou une maladie cardiaque. Les radiographies pulmonaires, ou radiographies pulmonaires, sont effectuées dans de nombreux hôpitaux et il faut très peu de temps pour les réaliser, ce qui les rend très accessibles et reproductibles. En conséquence, l’équipe de recherche dirigée par le Dr Daiju Ueda, du Département de radiologie diagnostique et interventionnelle de la Graduate School of Medicine de l’Université métropolitaine d’Osaka, a estimé que si la fonction cardiaque et la maladie pouvaient être déterminées à partir de radiographies pulmonaires, ce test pourrait servir de un complément à l’échocardiographie.
L’équipe du Dr Ueda a développé avec succès un modèle qui utilise l’IA pour classer avec précision les fonctions cardiaques et les cardiopathies valvulaires à partir de radiographies pulmonaires. Étant donné que l’IA formée sur un seul ensemble de données fait face à un biais potentiel, entraînant une faible précision, l’équipe s’est concentrée sur des données multi-institutionnelles. En conséquence, un total de 22 551 radiographies thoraciques associées à 22 551 échocardiogrammes ont été recueillies auprès de 16 946 patients dans quatre établissements entre 2013 et 2021. Avec les radiographies thoraciques définies comme données d’entrée et les échocardiogrammes définis comme données de sortie, le modèle d’IA a été formé pour apprendre les caractéristiques reliant les deux ensembles de données.
Le modèle d’IA a pu classer précisément six types sélectionnés de cardiopathie valvulaire, avec l’aire sous la courbe, ou AUC, allant de 0,83 à 0,92. (AUC est un indice d’évaluation qui indique la capacité d’un modèle d’IA et utilise une plage de valeurs de 0 à 1, plus proche de 1, mieux c’est.) L’AUC était de 0,92 à un seuil de 40 % pour détecter l’éjection ventriculaire gauche fraction- ; une mesure importante pour surveiller la fonction cardiaque.
« Il nous a fallu beaucoup de temps pour arriver à ces résultats, mais je crois que c’est une recherche importante », a déclaré le Dr Ueda. « En plus d’améliorer l’efficacité des diagnostics des médecins, le système pourrait également être utilisé dans les zones où il n’y a pas de spécialistes, dans les urgences nocturnes et pour les patients qui ont des difficultés à subir une échocardiographie. »