L’IA prédit le risque futur de maladie cardiaque à l’aide d’une radiographie pulmonaire unique

Radiographie pulmonaire normale. Crédit : Société de radiologie d’Amérique du Nord

Un modèle d’apprentissage en profondeur qui utilise une seule radiographie pulmonaire pour prédire le risque de décès sur 10 ans par crise cardiaque ou accident vasculaire cérébral, résultant d’une maladie cardiovasculaire athéroscléreuse, a été développé par des chercheurs. Les résultats de l’étude ont été présentés aujourd’hui (29 novembre) lors de la réunion annuelle de la Radiological Society of North America (RSNA).

L’apprentissage en profondeur est un type avancé d’intelligence artificielle (IA) qui peut être formé pour rechercher des images radiographiques afin de trouver des modèles associés à la maladie.

“Notre modèle d’apprentissage en profondeur offre une solution potentielle pour le dépistage opportuniste du risque de maladie cardiovasculaire basé sur la population à l’aide d’images radiographiques pulmonaires existantes”, a déclaré l’auteur principal de l’étude, Jakob Weiss, MD, radiologue affilié au Cardiovascular Imaging Research Center du Massachusetts. General Hospital et le programme AI in Medicine du Brigham and Women’s Hospital de Boston. “Ce type de dépistage pourrait être utilisé pour identifier les personnes qui bénéficieraient de statines mais qui ne sont actuellement pas traitées.”

Les lignes directrices actuelles recommandent d’estimer le risque sur 10 ans d’événements cardiovasculaires indésirables majeurs pour déterminer qui devrait recevoir une statine en prévention primaire.

“Sur la base d’une seule image de radiographie pulmonaire existante, notre modèle d’apprentissage en profondeur prédit les futurs événements cardiovasculaires indésirables majeurs avec des performances similaires et une valeur supplémentaire par rapport à la norme clinique établie.” — Jakob Weiss, M.D.

Ce risque est calculé à l’aide du score de risque de maladie cardiovasculaire athéroscléreuse (ASCVD), un modèle statistique qui prend en compte une multitude de variables, notamment l’âge, le sexe, la race, la pression artérielle systolique, le traitement de l’hypertension, le tabagisme, le diabète de type 2 et les tests sanguins. Les statines sont recommandées pour les patients présentant un risque sur 10 ans de 7,5 % ou plus.

“Les variables nécessaires pour calculer le risque d’ASCVD ne sont souvent pas disponibles, ce qui rend souhaitables les approches de dépistage basées sur la population”, a déclaré le Dr Weiss. “Comme les radiographies pulmonaires sont couramment disponibles, notre approche peut aider à identifier les personnes à haut risque.”

Le Dr Weiss et une équipe de chercheurs ont formé un modèle d’apprentissage en profondeur à l’aide d’une seule entrée de radiographie pulmonaire (CXR). Ils ont développé le modèle, connu sous le nom de risque CXR-CVD, pour prédire le risque de décès par maladie cardiovasculaire à l’aide de 147 497 radiographies pulmonaires de 40 643 participants à l’essai de dépistage du cancer de la prostate, du poumon, colorectal et de l’ovaire, un essai multicentrique randomisé essai contrôlé conçu et parrainé par le National Cancer Institute.

“Nous savons depuis longtemps que les rayons X capturent des informations au-delà des résultats de diagnostic traditionnels, mais nous n’avons pas utilisé ces données car nous n’avions pas de méthodes robustes et fiables”, a déclaré le Dr Weiss. “Les progrès de l’IA rendent cela possible maintenant.”

Les chercheurs ont testé le modèle en utilisant une deuxième cohorte indépendante de 11 430 patients ambulatoires (âge moyen 60,1 ans ; 42,9 % d’hommes) qui ont subi une radiographie pulmonaire ambulatoire de routine au Mass General Brigham et qui étaient potentiellement éligibles à un traitement par statine.

Sur 11 430 patients, 1 096, soit 9,6 %, ont subi un événement cardiaque indésirable majeur au cours du suivi médian de 10,3 ans. Il y avait une association significative entre le risque prédit par le modèle d’apprentissage en profondeur du risque CXR-CVD et les événements cardiaques majeurs observés.

Les chercheurs ont également comparé la valeur pronostique du modèle à la norme clinique établie pour décider de l’éligibilité aux statines. Cela n’a pu être calculé que pour 2 401 patients (21 %) en raison de données manquantes (p. ex. tension artérielle, cholestérol) dans le dossier électronique. Pour ce sous-ensemble de patients, le modèle de risque CXR-CVD a fonctionné de manière similaire à la norme clinique établie et a même fourni une valeur supplémentaire.

“La beauté de cette approche est que vous n’avez besoin que d’une radiographie, qui est acquise des millions de fois par jour à travers le monde”, a déclaré le Dr Weiss. “Sur la base d’une seule image de radiographie pulmonaire existante, notre modèle d’apprentissage en profondeur prédit les futurs événements cardiovasculaires indésirables majeurs avec des performances similaires et une valeur supplémentaire par rapport à la norme clinique établie.”

Le Dr Weiss a déclaré que des recherches supplémentaires, y compris un essai contrôlé et randomisé, sont nécessaires pour valider le modèle d’apprentissage en profondeur, qui pourrait finalement servir d’outil d’aide à la décision pour les médecins traitants.

“Ce que nous avons montré, c’est qu’une radiographie pulmonaire est plus qu’une radiographie pulmonaire”, a déclaré le Dr Weiss. “Avec une approche comme celle-ci, nous obtenons une mesure quantitative, ce qui nous permet de fournir à la fois des informations diagnostiques et pronostiques qui aident le clinicien et le patient.”

Les co-auteurs sont Vineet Raghu, Ph.D., Kaavya Paruchuri, MD, Pradeep Natarajan, MD, MMSC, Hugo Aerts, Ph.D., et Michael T. Lu, MD, MPH Les chercheurs ont été soutenus en partie par un financement du Académie nationale de médecine et l’American Heart Association.

Réunion : 108e assemblée scientifique et réunion annuelle de la Radiological Society of North America

Leave a Comment