L’intelligence artificielle détecte les maladies cardiaques grâce à des radiographies thoraciques

L’intelligence artificielle détecte les maladies cardiaques grâce à des radiographies thoraciques. Les chercheurs de l’Université métropolitaine d’Osaka ont développé une utilisation novatrice de l’IA qui permet de classifier les fonctions cardiaques et de détecter les maladies valvulaires cardiaques avec une précision sans précédent. Cette avancée témoigne de la fusion continue des domaines de la médecine et de la technologie pour améliorer les soins aux patients. Les résultats de cette étude seront publiés dans The Lancet Digital Health.

La maladie valvulaire cardiaque, l’une des causes d’insuffisance cardiaque, est souvent diagnostiquée à l’aide de l’échocardiographie. Toutefois, cette technique requiert des compétences spécialisées, ce qui entraîne une pénurie de techniciens qualifiés. D’autre part, la radiographie thoracique est l’un des tests les plus courants pour identifier les maladies, principalement des poumons. Bien que le cœur soit également visible sur les radiographies thoraciques, on en sait peu sur la capacité de ces dernières à détecter les fonctions cardiaques ou les maladies cardiaques. Les radiographies thoraciques, également appelées radiographies pulmonaires, sont réalisées dans de nombreux hôpitaux et nécessitent très peu de temps, ce qui les rend facilement accessibles et reproductibles. L’équipe de recherche dirigée par le Dr Daiju Ueda, du département de radiologie diagnostique et interventionnelle de la faculté de médecine de l’Université métropolitaine d’Osaka, a donc pensé qu’en utilisant les radiographies thoraciques pour déterminer les fonctions et maladies cardiaques, ce test pourrait servir de complément à l’échocardiographie.

22 551 radiographies thoraciques associées à 22 551 échocardiogrammes

L’équipe du Dr Ueda a réussi à développer un modèle utilisant l’IA pour classer avec précision les fonctions cardiaques et les maladies valvulaires à partir de radiographies thoraciques. Étant donné que l’IA formée sur un seul ensemble de données peut être sujette à des biais potentiels, entraînant une faible précision, l’équipe a opté pour des données provenant de différentes institutions. Ainsi, 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. Le modèle d’IA a été entraîné à partir des radiographies thoraciques en tant que données d’entrée et des échocardiogrammes en tant que données de sortie, afin d’apprendre les caractéristiques communes à ces deux ensembles de données.

Le modèle d’IA a été en mesure de classifier avec précision six types sélectionnés de maladies valvulaires cardiaques, avec une valeur de l’indice Aire Sous la Courbe (AUC) comprise entre 0,83 et 0,92. (L’AUC est un indice d’évaluation qui indique les capacités d’un modèle d’IA, avec une valeur allant de 0 à 1, plus proche de 1 étant meilleure.) L’AUC était de 0,92 pour une valeur de coupure de 40% pour détecter la fraction d’éjection ventriculaire gauche – une mesure importante pour surveiller la fonction cardiaque.

« Nous avons mis beaucoup de temps pour parvenir à ces résultats, mais je pense que cette recherche est significative », a déclaré le Dr Ueda. « En plus d’améliorer l’efficacité des diagnostics médicaux, ce système pourrait également être utilisé dans des régions où il n’y a pas de spécialistes, en cas d’urgences nocturnes et pour les patients ayant des difficultés à subir une échocardiographie. »

Source: Université métropolitaine d’Osaka, Dr Daiju Ueda