Aide au diagnostic

L’intelligence artificielle distingue le COVID-19 d’une pneumonie sur les coupes de scanner

Des chercheurs chinois ont développé un modèle basé sur l’apprentissage profond capable de diagnostiquer le COVID-19 sur des examens de scanner avec une sensibilité et une spécificité très hautes et de le différencier d’une pneumonie communautaire, qui présente des caractéristiques similaires à l’imagerie.

Le 25/03/20 à 12:00, mise à jour hier à 14:08 Lecture 2min.

Pour entraîner leur modèle, les chercheurs ont collecté les données de scanner réalisés dans 6 hôpitaux sur des patients atteints de COVID-19, mais aussi, pour comparaison, sur des patients atteints de pneumonie communautaire et sur d’autres qui ne présentaient pas de pneumonie (photo d'illustration). © Chung M., Bernheim A., Mei X. et coll.

Il n’aura pas fallu longtemps pour que des chercheurs étudient les possibilités de l’intelligence artificielle pour la prise en charge du coronavirus. Une équipe de radiologues chinois présente ainsi dans Radiology un outil basé sur l’apprentissage profond capable de dépister le COVID-19 sur des examens de scanner thoracique [1].

Des données issues de 6 hôpitaux

Pour entraîner leur modèle, baptisé COVNet, ces médecins ont collecté les données d’examens de scanner réalisés dans 6 hôpitaux sur des patients atteints de COVID-19, mais aussi, pour comparaison, sur des patients atteints de pneumonie communautaire et sur d’autres qui ne présentaient pas de pneumonie. Au total, ils ont rassemblé les données de 4 356 scanners réalisés sur 3 322 patients entre août 2016 et février 2020.

90 % de sensibilité, 96 % de spécificité

Les patients étaient âgés en moyenne de 49 ± 15 ans. 1 838 étaient des hommes et 1 484 des femmes. Testé sur un jeu de données indépendant, le modèle a montré une sensibilité et une spécificité par examen pour la détection du COVID-19 de 90 % [95 % CI : 83 %, 94 %] et de 96 % [95 % CI : 93 %, 98 %) respectivement, avec une aire sous la courbe ROC de 0,96. Pour la détection de la pneumonie communautaire, la sensibilité pointe à 87 %, la spécificité à 92 % et l’AUC à 0,95. L’outil fournissait un résultat en moins de 5 secondes, sur une station de travail équipée d’un processeur graphique puissant.

Améliorer la spécificité du scanner au stade précoce

« Ces résultats démontrent qu’une approche basée sur l’apprentissage machine utilisant des modèles de réseaux de neurones convolutifs est capable de distinguer le COVID-19 de la pneumopathie communautaire », écrivent les chercheurs. Un tel système, avancent-ils, pourrait imposer le scanner comme un outil de détection du COVID-19 au stade précoce de la contamination, quand le test RT-PCR manque encore de sensibilité.

Pas de comparaison avec l’influenza

L’étude comporte cependant quelques limites, précisent ses auteurs. Les données d’entraînement et de test ne comprennent notamment pas de cas de pneumonies d’origine virale autre que le coronavirus, telles que le virus influenza, qui pourraient avoir des caractéristiques d’imagerie similaires. L’autre faiblesse vient de la variété des réponses des poumons à la contamination par un virus, qui dépendent de l’âge du patient, de son état immunitaire ou encore de ses comorbidités.

Auteurs

Jérome Hoff

Rédacteur en chef adjoint

Voir la fiche de l’auteur

Bibliographie

  1. Li L., Qin L., Xu Z. et coll., « Artificial intelligence Distinguishes COVID-19 from Community Acquired Pneumonia on Chest CT », Radiology, 19 mars 2020, DOI : 10.1148/radiol.2020200905.

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

29 Mar

11:44

Le fabricant français de dispositifs médicaux inHeart a reçu l’autorisation 510(k) de la FDA pour son logiciel d’IA qui crée un modèle numérique 3D du cœur d’un patient à partir d’images de scanner ou d'IRM, permettant ainsi de fournir une aide aux médecins avant et pendant la chirurgie. Déjà commercialisé en Europe, avec cette autorisation, le module d'IA de inHEART va désormais se déployer au sein des hôpitaux aux États-Unis, annonce un communiqué de inHeart.

7:35

Des chercheurs américains ont mis au point un nouveau modèle AsymMirai pour prédire le risque de cancer du sein à cinq ans à partir des mammographies, selon une nouvelle étude publiée dans Radiology. Ils ont ainsi confirmé l’importance clinique de l’asymétrie mammaire et mis en évidence le potentiel de la dissemblance bilatérale en tant que futur marqueur d’imagerie du risque de cancer du sein.
28 Mar

16:01

Une revue de la littérature publiée le 26 mars évoque la détection par l'intelligence artificielle de matériaux non-biologiques, et les scénarios courants de leur observation en clinique.

13:31

Une étude chinoise prospective monocentrique portant sur 33 patients montre qu'un an après l'embolisation des artères géniculées, le traitement est bien toléré et reste efficace pour contrer la gonarthrose. Des résultats qui rappellent ceux de l'essai français LipioJoint-1, parus en décembre 2023 et utilisant un autre agent d'embolisation.
Docteur Imago

GRATUIT
VOIR