Actualités – publiée le 11/11/2021 par Équipe de rédaction Santélog
RSNA 2020
L’utilisation de l’apprentissage en profondeur, un domaine de l‘Intelligence artificielle (IA) pour analyser des images de scanner abdominal permet de prédire avec une grande précision, les événements cardiovasculaires majeurs, tels que les crises cardiaques et les accidents vasculaires cérébraux (AVC).
La méthode, présentée lors de la Réunion scientifique de la Radiological Society of North America (RSNA), fait mieux que les méthodes d’évaluation standard et surtout montre tout le potentiel de l’IA dans l’analyse des résultats d’imagerie et de biologie.
Les modèles de risque cardiovasculaire établis reposent sur des facteurs comme le poids et l’IMC qui sont des caractéristiques de la composition corporelle, explique l’auteur principal, le Dr Kirti Magudia, chercheur en imagerie abdominale et en échographie à l’Université de Californie à San Francisco.
« Il est bien établi que les personnes ayant le même IMC peuvent avoir des proportions nettement différentes de muscle et de graisse. Ces différences sont essentielles pour un ensemble de résultats de santé ».
Une analyse plus précise et relative de la composition corporelle
Contrairement à l’IMC, qui est basé sur la taille et le poids, une image de coupe axiale abdominale permet de visualise le volume de graisse sous-cutanée, viscérale et musculaire squelettique.
Cependant, mesurer manuellement ces zones individuelles est long et coûteux.
C’est là que l’apprentissage en profondeur, un type d’intelligence artificielle (AI) permet de déterminer très rapidement les paramètres de composition corporelle et d’évaluer le risque cardiaque associé.
Cette étude de cohorte est menée à partir de 33.182 scanners abdominaux effectués pour 23.136 patients (suivis à Boston en 2012).
Les chercheurs ont identifié 12.128 patients exempts de diagnostics cardiovasculaires et de cancer majeurs au moment de l’imagerie. L’âge moyen des patients était de 52 ans et 57% des patients étaient des femmes.
Les chercheurs ont sélectionné la tranche L3 CT (3è vertèbre de la colonne lombaire) et calculé les zones de composition corporelle pour chaque patient.
Les patients ont ensuite été répartis en 4 quartiles sur la base des valeurs normalisées de la graisse sous-cutanée, de la graisse viscérale et du muscle squelettique.
- 12 128 patients ont subi un infarctus du myocarde (crise cardiaque) ou un accident vasculaire cérébral dans les 5 ans suivant cette tomodensitométrie abdominale (scanner). Les chercheurs ont découvert 1.560 infarctus du myocarde et 938 accidents vasculaires cérébraux dans ce groupe d’étude ;
- L’analyse statistique montre que la zone de graisse viscérale est indépendamment associée à de futures crises cardiaques et de futurs AVC ;
- Les patients présentant la plus forte proportion de graisse viscérale sont confirmés comme les plus susceptibles d’avoir une crise cardiaque, même après ajustement avec les facteurs de confusion possibles ;
- Les patients présentant la plus faible quantité de graisse viscérale semblent tout à fait protégés contre les AVC dans les années qui suivent l’examen CT abdominal.
Ainsi, les mesures précises des volumes graisseux et musculaire du corps par scanner surpassent les biomarqueurs traditionnels pour prédire le risque d’événements cardiovasculaires.
L’analyse de la composition corporelle entièrement automatisée et normalisée pourrait maintenant être appliquée à des projets de recherche à grande échelle.
C’est une nouvelle illustration des promesses des systèmes d’IA en médecine.
Source: RSNA 2020 – 106th Scientific Assembly and Annual Meeting 2-Dec-2020 AI abdominal fat measure predicts heart attack and stroke
Plus sur l’IA en médecine sur Diagnostic Blog