Selon une étude publiée dans le Journal of Radiology, le système d’apprentissage en profondeur détecte la tuberculose sur les radiographies pulmonaires à un niveau comparable à celui des radiologues. Les chercheurs ont déclaré que le système d’IA pourrait aider au dépistage de la tuberculose dans les zones où les ressources en radiologistes sont limitées.
La tuberculose tue chaque année plus d’un million de personnes dans le monde, et le dépistage de cette pathologie est aujourd’hui populaire, même s’il est coûteux dans les 30 pays où il est le plus répandu.
Le coût prohibitif du dépistage de la tuberculose dans les zones à faible revenu
« Nous avons des médicaments efficaces pour traiter la tuberculose, mais les programmes de dépistage à grande échelle de la tuberculose ne sont pas toujours réalisables dans les pays à faible revenu en raison du coût et de la disponibilité de radiologues expérimentés », déclare le co-auteur de l’étude dans le préambule.une étude sur le sujet publiée dans Revue RadiologyRory Pilgrim, chef de produit Google Health AI à Mountain View, Californie, États-Unis.
Le dépistage rentable de la tuberculose à l’aide de radiographies pulmonaires et de l’intelligence artificielle (IA) peut améliorer l’accès aux soins de santé, en particulier dans les populations difficiles à atteindre, a déclaré le Dr Pilgrim. « C’est en comblant le manque d’experts que l’IA entre en jeu », a déclaré le premier auteur Sahar Kazemzadeh, ingénieur logiciel chez Google Health. Nous pouvons apprendre aux ordinateurs à reconnaître la tuberculose à partir des radiographies afin que, dans ces environnements aux ressources limitées, la radiographie d’un patient puisse être interprétée en quelques secondes. »
Essai à grande échelle d’apprentissage en profondeur pour la détection des maladies sur les radiographies pulmonaires
Kazemzadeh et ses collègues ont développé et évalué un système d’intelligence artificielle capable d’identifier rapidement et automatiquement la tuberculose sur les radiographies pulmonaires. Le système utilise l’apprentissage en profondeur et les chercheurs ont développé le système à l’aide de données provenant de neuf pays. Ils l’ont ensuite testé par rapport aux données de cinq pays couvrant plusieurs régions à forte charge de tuberculose, différents contextes cliniques et un large éventail de races et d’ethnies. Plus de 165 000 images de plus de 22 000 patients ont été utilisées pour développer et tester des modèles.
Une analyse impliquant 14 radiologues internationaux a montré que la méthode d’apprentissage en profondeur est comparable à celle des radiologues pour détecter la tuberculose active sur les radiographies pulmonaires. « Nous voulions tester si ce système prédisait la tuberculose au même niveau que les radiologues, et c’est ce que montre l’étude », confirme Pilgrim. L’IA a très bien fonctionné avec une grande variété de patients. Les tendances étaient similaires dans les sous-groupes de patients de l’enquête sur les mineurs d’or sud-africains, un groupe avec une prévalence élevée de tuberculose par rapport à la population générale.
Un modèle qui fonctionne avec de nombreux profils de patients
« Ce qui est particulièrement prometteur dans cette étude, c’est que nous avons examiné un certain nombre d’ensembles de données différents reflétant différents équipements et différents flux de travail cliniques », déclare Kazemzadeh. Nous avons constaté que ce système d’apprentissage en profondeur fonctionnait très bien avec chacun d’eux avec un seul paramètre présélectionné en fonction de l’ensemble de données de développement, ce qui était difficile pour d’autres systèmes d’IA d’imagerie médicale. »
Si d’autres recherches confirment les résultats, ce système d’apprentissage en profondeur pourrait être utilisé pour détecter automatiquement les signes de tuberculose sur les radiographies pulmonaires. Les personnes dont le test est positif recevront alors un test d’expectoration ou un test d’amplification des acides nucléiques (TAAN). Ces tests sont relativement coûteux, mais si l’IA pouvait filtrer les patients qui en ont besoin, les avantages seraient importants. La modélisation d’apprentissage en profondeur pour identifier les radiographies thoraciques probables positives à la tuberculose pour la confirmation NAUT a réduit le coût de 40 à 80 % par patient positif à la tuberculose identifié.
Combattre les épidémies de tuberculose sans recourir à des profils médicaux rares
« En examinant les patients dans la communauté et en détectant la tuberculose avant qu’ils ne tombent réellement malades, vous pouvez obtenir de meilleurs résultats et espérer un traitement plus court », déclare Pilgrim. De plus, comme la tuberculose est une maladie contagieuse, si vous pouvez atteindre les gens tôt, il y aura moins de propagation, ce qui rendra ce dépistage plus efficace. »
Les chercheurs travaillent en Zambie dans un cadre prospectif, ce qui signifie collecter des données sur le dépistage des patients et fournir le TAAN à chaque patient pour étudier le système. Ils recherchent également des moyens de distribuer ces modèles dans le monde entier de manière à avoir le plus grand impact sur les patients.
« Nous espérons que cela pourra être un outil utilisé par les médecins non professionnels et les professionnels de la santé pour dépister massivement les personnes et les orienter vers un traitement si nécessaire, sans recourir à des médecins spécialistes, qui sont en nombre insuffisant », conclut Pilgrim. Nous pensons pouvoir le faire sur le terrain à peu de frais et en gros volumes. »
Bruno Behnke du RSNA
.
Grand fan de mangas et d’animes, je n’aime bien écrire qu’à propos de ses sujets, c’est pour ca que j’écris pour 5 minutes d’actus. Au quotidien de décortique, donne mes avis sur les différents épisodes et chapitres des mangas que j’aime lire.
