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.

Jérôme HOFF
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.