Le lundi 30 mars 2020, EurekAlert ! nous informait d’une recherche qui a introduit une nouvelle technique entièrement automatisée permettant d’identifier rapidement les patients souffrant d’AVC. En effet, il est essentiel de détecter et d’effectuer une segmentation rapide et précise des lésions ischémiques aigües sur les images de résonance magnétique (IRM) des patients sélectionnés pour effectuer une thérapie endovasculaire.
Un système d’IA entraîné et éprouvé
Bien que la segmentation des lésions soit un processus de routine au cours duquel les zones d’anomalie sur les images cérébrales sont soigneusement et manuellement sélectionnées par des radiologues experts, ce processus prend du temps et peut présenter une marge d’erreur venant de l’opérateur. C’est pourquoi, des scientifiques se sont penchés sur une approche plus efficace et moins coûteuse de dépistage des lésions ischémiques aigües (AIS) d’AVC.
La recherche des scientifiques a abouti à une nouvelle technique entièrement automatisée de détection et de segmentation des lésions AIS en IRM et de différenciation des images avec et sans AVC. Cette méthode compare des images pondérées par diffusion (DWI) et des images à coefficient de diffusion apparente (ADC) de patients avec un groupe d’images sans anomalie au niveau du voxel. Les zones d’hyperintensité sur les DWI et d’hypointensité sur les images ADC sont ainsi considérées comme des lésions et enregistrées comme des marques de lésion. Les scientifiques ont étudié la méthode de segmentation des lésions sur 100 cas environ.
Pour éviter un risque de fausse identification pouvant résulter de bruits, de mauvaise qualité d’image, les marques de lésion identifiées par le système sont criblées et filtrées via un classificateur binaire qui confirme que la marque de lésion relevée est véritablement une lésion AIS ou non. Les chercheurs ont également évalué la performance de classification de cette intelligence artificielle sur 200 IRM environ.
L’intelligence artificielle est parvenue aux mêmes résultats que les experts
Les résultats de la recherche ont été publiés dans le Journal of Neuroscience Methods et ont montré une concordance avec les lésions identifiées manuellement par les experts. Cette intelligence artificielle aurait pour avantage d’avoir une approche globale simple, rapide et ne nécessiterait ni une puissance de calcul ni une mémoire élevées, y compris dans la segmentation des lésions et la classification des images.
Par ailleurs, le chercheur Sanaz Nazari-Farsani du Centre hospitalier universitaire de Turku, en Finlande, qui a participé à l’étude, a affirmé que « cette méthode a la capacité d’être mise en œuvre sur un poste de travail ordinaire intégré aux pipelines de diagnostic clinique de routine des hôpitaux. Cette approche peut aider les radiologues à accélérer le flux de travail de détection des lésions et à réduire le biais de l’opérateur dans la segmentation des lésions en raison de la reproductibilité de la méthode. »
