Selon une nouvelle étude publiée dans le Journal américain de radiologie.
Dans une revue rétrospective des scanners thoraciques conventionnels à contraste amélioré, les auteurs ont découvert qu’un algorithme d’IA commercial avait une valeur prédictive négative élevée pour l’iPE. De plus, l’IA a détecté des embolies pulmonaires que les radiologues ont manquées – mais les radiologues ont également détecté certaines embolies pulmonaires que l’IA a manquées.
“Parfois, ces EP accidentelles sont plus difficiles à voir sur les examens qui n’ont pas été optimisés pour l’EP”, a déclaré Paul H. Yi, MD, professeur adjoint de radiologie diagnostique et de médecine nucléaire à la faculté de médecine de l’Université du Maryland et directeur de l’université. Medical Intelligent Imaging Center, dans une interview avec Nouvelles médicales de Medscape. Yi n’a pas participé à l’étude.
“Cette IA fonctionne dans ce but, et ce but pourrait être vraiment utile, car nous ne bénéficions pas toujours d’un CTPA [CT pulmonary angiography],” il a dit.
Faisant écho à l’une des conclusions des auteurs, Yi a ajouté que l’IA pourrait aider les radiologues en leur donnant “une deuxième lecture ou une deuxième opinion, une sorte de regard par-dessus notre épaule”.
L’auteur principal, Kiran Batra, MD, a déclaré Paysage médical qu’en plus d’être ce deuxième lecteur, l’IA pourrait signaler certaines études pour une lecture prioritaire, aidant les radiologues à trier des charges de travail sans cesse croissantes.
“Je pense que ça va être comme une symbiose et un travail d’équipe entre les deux”, a déclaré Batra, professeur adjoint de radiologie au UT Southwestern Medical Center.
IA de test de conduite
Les auteurs ont mené une étude rétrospective de 3003 scanners thoraciques consécutifs avec injection de produit de contraste n’utilisant pas de protocoles d’angiographie pulmonaire.
Celles-ci ont été réalisées sur 2555 adultes entre septembre 2019 et février 2020 à Parkland Health à Dallas, Texas.
Les auteurs ont examiné les résultats de deux algorithmes précédemment appliqués aux CT :
-
Un algorithme d’IA commercial approuvé par la FDA (Aidoc) a été appliqué aux images dans le but de détecter l’iPE. Cet algorithme a été entraîné sur des scanners thoraciques conventionnels. Il avait été appliqué avant l’étude en cours et les radiologues prenant en charge les patients n’avaient pas accès aux résultats.
-
Un algorithme de traitement du langage naturel (PNL) (RepScheme) a été appliqué aux lectures des radiologues cliniques des scans pour voir lequel mentionnait l’iPE.
Si l’un ou l’autre des algorithmes signalait une iPE, deux radiologues évaluaient indépendamment les scans pertinents pour déterminer si une iPE était présente, un troisième radiologue étant disponible pour résoudre les divergences.
De plus, un radiologue a examiné les résultats de la PNL et corrigé toute mention erronée d’iPE.
Un moyen d’aider à exclure l’EP
L’âge moyen des patients était de 53,6 ans et un peu plus de la moitié étaient des femmes. Plus de 70 % des tomodensitogrammes ont été effectués en raison d’un cancer.
Après adjudication, une quarantaine d’iPE ont été détectées. AI a trouvé quatre iPE que les cliniciens avaient manqués, tandis que les cliniciens en ont repéré sept qu’AI a négligés.
Pour l’IA par rapport aux rapports cliniques, les performances étaient les suivantes :
-
Sensibilité : 82,5 % contre 90,0 %, P = 0,37
-
Spécificité : 92,7 % contre 99,8 %, P = 0,045
-
Valeur prédictive positive : 86,8 % contre 97,3 %, P = 0,03
-
Valeur prédictive négative : 99,8 % contre 99,9 %, P = 0,36
“Si je lis un scan en tant que radiologue et que je ne trouve pas d’EP, je devrais regarder l’IA pour voir si elle a trouvé un EP ou non, car elle a une valeur prédictive négative élevée”, a déclaré Batra. . “Si l’IA n’a pas trouvé d’EP et que je n’ai pas trouvé d’EP, alors les chances de [the patient] ne pas l’avoir sont assez élevés.”
Les limites comprenaient une faible incidence d’iPE, ce qui limite la puissance de l’étude. L’examen manuel n’a été appliqué qu’aux analyses positives par IA ou PNL ; ainsi, si des iPE avaient été manqués par erreur par les deux techniques, les auteurs les auraient également manqués. Et les auteurs ont souligné que la généralisabilité est limitée, car les protocoles et les populations de patients varient.
Le rôle de l’IA en radiologie vasculaire
L’EP peut se présenter de manière non spécifique et être notoirement facile à manquer. Il frappe entre 71 et 117 personnes sur 100 000 aux États-Unis chaque année, selon les auteurs, et il menace particulièrement les patients atteints de cancer, chez qui il peut annoncer un pronostic plus sombre.
L’IA est bonne pour capter le PE sur les CT de protocole PE, également appelés CTPA. Ces scanners chronomètrent le bolus de contraste pour mettre en évidence les artères pulmonaires.
Mais il était auparavant moins clair dans quelle mesure la technologie capterait l’iPE à partir des tomodensitogrammes thoraciques de contraste effectués pour d’autres indications, telles que le cancer ou les maladies pulmonaires.
Au milieu des rapports d’épuisement professionnel des radiologues, d’une pénurie mondiale de radiologues et d’une demande accrue d’imagerie, l’IA pourrait jouer un rôle important. Mais l’IA pour la radiologie en est encore à ses balbutiements, selon Yi.
“Il reste un long chemin à parcourir”, a-t-il déclaré. “Je pense qu’il y a des victoires précoces [in] des choses comme le triage et essayer d’avoir une valeur prédictive négative élevée. Mais nous sommes vraiment loin de reproduire ce que fait un radiologue.”
Cela dit, a ajouté Yi, il y a beaucoup de nuances en radiologie, et il va y avoir un besoin d’études comme celle-ci qui valident cliniquement ces produits.
“Il s’agit d’une évaluation tierce, non financée et impartiale de [the AI algorithm]et c’est plutôt cool”, a-t-il déclaré. “Cela semble fonctionner comme ils le prétendent.”
L’étude n’a pas été financée. Batra et ses co-auteurs n’ont révélé aucune relation financière pertinente. Yi est consultant pour Bunkerhill Health.
AJR Am J Roentgenol. Publié en ligne le 13 juillet 2022. Résumé
Jenny Blair, MD, est journaliste, écrivain et éditrice dans le Vermont.
Pour plus d’actualités, suivez Medscape sur Facebook, TwitterInstagram et YouTube.
