Un modèle d’intelligence artificielle (IA) automatisé formé pour lire les électroencéphalogrammes (EEG) chez les patients suspects épilepsie est tout aussi précis que les neurologues formés, selon de nouvelles données.
Connu comme MARQUEZ VOUSla technologie fait la distinction entre les enregistrements EEG anormaux et normaux et classe les enregistrements irréguliers dans des catégories spécifiques cruciales pour la prise de décision du patient.
Dr Sandor Beniczky
“SCORE-AI peut être utilisé à la place d’experts dans des zones défavorisées, où l’expertise fait défaut, ou pour aider les médecins à présélectionner ou pré-noter des enregistrements dans des zones où la charge de travail est élevée – nous pouvons tous bénéficier de l’IA”, étude chercheur Sándor Beniczky, MD, PhD, a déclaré dans un JAMA Neurologie podcast.
Beniczky est professeur de neurophysiologie clinique à l’Université d’Aarhus au Danemark.
Le résultats ont été publiés en ligne le 20 juin dans JAMA Neurologie.
Prendre pied
De plus en plus, IA prend pied dans la médecine de manière crédible adressage demandes des patients et aider radiologues.
Pour intégrer l’IA à l’interprétation de l’EEG, les chercheurs ont développé et validé un modèle d’IA capable d’évaluer les EEG cliniques de routine chez les patients suspects d’épilepsie.
Au-delà de la distinction entre les enregistrements EEG anormaux et normaux, ils voulaient entraîner le nouveau système à classer les enregistrements anormaux dans les principales catégories les plus pertinentes pour la prise de décision clinique chez les patients susceptibles de souffrir d’épilepsie. Les catégories comprenaient les anomalies épileptiformes-focales, épileptiformes-généralisées, non épileptiformes-focales et non épileptiformes-diffuses.
Les chercheurs ont formé le modèle d’apprentissage à l’aide du logiciel SCORE (Standardized Computer-based Organized Reporting of EEG).
Dans la phase de développement, le modèle a été formé à l’aide de plus de 30 490 enregistrements EEG anonymisés et hautement annotés de 14 100 hommes (âge médian, 25 ans) d’un seul centre. Les enregistrements ont duré en moyenne 31 minutes et ont été interprétés par 17 neurologues selon des critères standardisés. Si un enregistrement EEG était anormal, les médecins devaient préciser quelles caractéristiques anormales étaient présentes.
SCORE-AI a ensuite effectué une analyse des enregistrements sur la base des contributions des experts.
Pour valider les résultats, les enquêteurs ont utilisé deux ensembles de données de test indépendants. Le premier ensemble de données consistait en 100 EEG de routine représentatifs de 61 hommes (âge médian, 26 ans), évalués par 11 neurologues de différents centres.
Le consensus de ces évaluations a servi de norme de référence. Le deuxième ensemble de données comprenait près de 10 000 EEG provenant d’un seul centre (5 170 hommes ; âge médian, 35 ans), évalués indépendamment par 14 neurologues.
Précision presque parfaite
Comparé aux experts, SCORE-AI avait une précision presque parfaite avec une aire sous la courbe des caractéristiques de fonctionnement du récepteur (AUROC) pour différencier les enregistrements EEG normaux des enregistrements anormaux de 0,95.
SCORE-AI a également bien réussi à identifier les anomalies épileptiformes généralisées (AUROC, 0,96), les anomalies épileptiformes focales (AUROC, 0,91), les anomalies non épileptiformes focales (AUROC, 0,89) et les anomalies non épileptiformes diffuses (AUROC, 0,93).
De plus, SCORE-AI avait un excellent accord avec les cliniciens – et était parfois plus d’accord avec les experts individuels que les experts n’étaient d’accord entre eux.
Lorsque Beniczky et son équipe ont testé SCORE-AI contre trois précédemment publié Modèles d’IA, SCORE-AI a démontré une plus grande spécificité que ces modèles (90 % contre 3 % – 63 %) mais n’était pas aussi sensible (86,7 %) que deux des modèles (96,7 % et 100 %).
L’une des limites de l’étude était le fait que SCORE-AI a été développé et validé sur des EEG de routine qui excluaient les nouveau-nés et les patients gravement malades.
À l’avenir, a déclaré Beniczky sur le podcast, l’équipe aimerait former SCORE-AI pour lire les EEG avec plus de granularité, et éventuellement utiliser un seul canal pour enregistrer les EEG. À l’heure actuelle, SCORE-AI est intégré à Natus Neuro, un système d’équipement EEG largement utilisé, notent les enquêteurs.
Dans un accompagnement éditorialJonathan Kleen, MD, PhD, et Elan Guterman, MD, ont déclaré : « L’approche globale adoptée… dans le développement et la validation de SCORE-AI établit une norme pour ce travail à venir.
Kleen et Guterman notent que les gains technologiques apportés par la technologie SCORE-AI “pourraient offrir une perspective passionnante pour améliorer la disponibilité de l’EEG et les soins cliniques pour les 50 millions de personnes atteintes d’épilepsie dans le monde”.
JAMA Neurologie. Publié en ligne le 20 juin 2023. Texte intégral, Éditorial
L’infrastructure nécessaire à l’étude a été financée par Holberg EEG, qui n’a joué aucun rôle dans l’étude.
Pour plus d’informations sur Medscape Neurology, rejoignez-nous sur Facebook et Twitter.
