Être en mesure d’identifier précocement/rapidement les patients à risque de pneumonies sévères liées au Covid-19 permettrait de soulager les services hospitaliers en aidant à la priorisation des prises en charge. C’est l’ambition d’une intelligence artificielle (IA) développée par des médecins et chercheurs français (1).
Leurs travaux, publiés dans « Medical Image Analysis » (2), se sont appuyés sur la combinaison de la tomodensitométrie (TDM) thoracique et de l'IA pour fournir un outil de quantification rapide et précise de l'étendue de la maladie et d'identification des patients avec une évolution sévère à court terme.
À partir d’un jeu de données de plus de 20 000 coupes de scanner annotées par 15 radiologues indépendants et expérimentés, les chercheurs ont déployé une approche fondée sur le « deep learning » et exploitant des réseaux neuronaux convolutifs 2D et 3D (un type de réseau de neurones artificiels utilisés dans le domaine de l’apprentissage automatique). Ils ont ainsi appris à l’IA à reconnaître automatiquement les zones atteintes par la maladie (structure en verre dépoli) sur les images de scanner.
Aussi précis qu'un radiologue
L'algorithme a ensuite déterminé dix biomarqueurs cliniquement interprétables, qui, corrélés à l’âge, au sexe et aux données cliniques des patients, permettent d’évaluer la sévérité de la maladie et de donner un pronostic à court terme (besoin d’une ventilation ou non, notamment). La « signature numérique » de biomarqueurs prédictifs de l’évolution du Covid-19 intègre ainsi des données d'imagerie/cliniques/biologiques et les comorbidités associées pour l’évaluation automatique des patients.
L’outil a été « entraîné » sur les images de scanner de 478 patients atteints de Covid, confirmé par test RT-PCR, issus de cinq cohortes indépendantes, incluant 110 cas graves (6 % de décès et 17 % d’intubés). L’IA permet « aussi précisément qu’un radiologue expérimenté de quantifier le Covid-19, d’évaluer la sévérité de la maladie et son pronostic à court terme », soulignent les auteurs.
« Les travaux se poursuivent et un enrichissement permanent du jeu de données est prévu : 11 000 scanners qui vont très prochainement être intégrés ont déjà été annotés dans le cadre du projet STOIC promu par l’AP-HP et coordonné par la Pr Marie-Pierre Revel de l’hôpital Cochin AP-HP », indique Nikos Paragios, professeur à Centrale Supélec/Université Paris-Saclay, président de la société TheraPanacea et membre du Centre national de médecine de précision (PRISM).
L'outil pourra également se révéler utile dans le cadre d'essais cliniques pour évaluer rapidement la réponse à un traitement.
(1) Gustave Roussy, de l'AP-HP, de Centrale Supélec, de l’Université de Paris, de l’Université Paris-Saclay, de l’INSERM, de l’INRIA et de TheraPanacea
(1) G. Chassagnon et al., Med Image Anal, https://doi.org/10.1016/j.media.2020.101860, 2020
L’Académie de médecine s’alarme du désengagement des États-Unis en santé
Un patient opéré avant le week-end a un moins bon pronostic
Maladie rénale chronique : des pistes concrètes pour améliorer le dépistage
Covid : les risques de complications sont présents jusqu’à trente mois après hospitalisation