Le deep learning comme outil de dépistage de la tuberculose dans les régions à faible revenu

Un système d’apprentissage en profondeur détecte la tuberculose sur les radiographies pulmonaires à un niveau comparable à celui des radiologues, selon une étude publiée dans Revue Radiology. Les chercheurs ont déclaré que le système IA pourrait être utilisé pour aider à détecter la tuberculose dans les zones où les ressources des radiologues sont limitées.

La tuberculose tue chaque année plus d’un million de personnes dans le monde et le dépistage est plébiscité aujourd’hui pour cette pathologie, même si il est costeux dans les 30 pays où elle sévit le plus.

Le coût prohibitif du dépistage de la tuberculose en zone à faible revenu

« Nous avons des médecins efficaces pour traiter la tuberculose, mais les dépistages à grande échelle pour détecter la tuberculose ne sont pas toujours réalisables dans les pays à faible revenu en raison du coût et de la disponibilité de radiologues experts », déclare en préambule le co-auteur deune étude sur le sujet publiée dans la Revue Radiologiele Rory Pilgrim, chef de produit chez Google Health AI à Mountain View – Californie, USA -.

Le dépistage louable de la tuberculose à l’aide de radiographies pulmonaires et de l’Intelligence Artificielle (IA) a le potentiel d’amélioration de l’accès aux soins de santé, selon le Dr Pilgrim, en particulier dans les difficultés à atteinder. « Compléter la pénurie d’experts, c’est là où l’IA entre en jeu, précise le premier auteur de l’étude, le Sahar Kazemzadeh, ingénieur logiciel chez Google Health. Nous pouvos apprendre aux ordinateurs à reconnaître la tuberculose à partir des rayons X afin que, dans ces environnements à faibles ressources, la radiographie d’un patient puisse être interprétée en quelques secondes. »

Un système de deep learning testé à grande échelle pour identifier la maladie sur les radiographies pulmonaires

Kazemzadeh et ses collègues ont développé et évalué un système IA capable d’identifier rapidement et automatiquement les radiographies pulmonaires pour la tuberculose. Le système utilise l’apprentissage en profondeur et les chercheurs ont développé le système en utilisant des données provenant de neuf pays. Ils l’ont ensuite testé sur des données de cinq pays, couvrant plusieurs régions à forte charge de tuberculose, divers contextes cliniques et un large éventail de races et d’ethnies. Plus de 165 000 images de plus de 22 000 patients ont été utilisées pour le développement et les tests de modèles.

L’analyse avec 14 radiologues internationaux a montré que la méthode d’apprentissage en profondeur était comparable aux radiologues pour la détermination de la tuberculose active sur les radiographies pulmonaires. « Nous voulions voir si ce système prédit la tuberculose à égalité avec les radiologues, et c’est ce que montre l’étude, confirme Pilgrim. L’IA a très bien fonctionné avec une variété de patients. » Les tendances étaient similaires dans différents sous-groupes de patients, dans un ensemble d’examens provenant de mineurs d’or en Afrique du Sud, un groupe à forte prévalence de tuberculose, par rapport au grand public.

Un modèle qui fonctionne sur de nombreux profils de patients

Ce qui est particulièrement prometteur dans cette étude, c’est que nous avons examiné une gamme de différents ensembles de données qui reflétaient différents équipements et différents flux de travail clinique, a fait remarquer Kazemzadeh. Nous avons constaté que ce système d’apprentissage en profondeur fonctionne très bien avec chacun d’eux avec un seul paramètre qui a été sélectionné sur la base d’un ensemble de données de développement, ce que d’autres systèmes d’IA d’imagerie médicale ont trouvé difficile. »

Si des recherches supplémentaires confirment les résultats, ce système de deep learning pourrait être utilisé pour dépister automatiquement les résultats de la tuberculose sur les radiographies pulmonaires. Les personnes dont l’examen est positif recevront alors un test d’expectoration ou un test d’amplification des acides nucléiques (TAAN). Ces tests sont relativement coûteux, mais si l’IA pouvait filtrer les patients qui en ont besoin, les avantages séritant considérables. Les simulations utilisant le système d’apprentissage profond pour identifier les radiographies pulmonaires susceptibles d’être positives à la tuberculose pour la confirmation du TAAN ont réduit le coût de 40 à 80 % par patient tuberculeux positif.

Endiguer les épidémies de tuberculose sans avoir recours à des profils médicaux rares

“En dépistant les patients dans la communauté et en détectant la tuberculose avant qu’ils ne tombent vraiment malades, on pourrait obtenir de meilleurs résultats et espérer pour eux un traitement plus curt, déclare Pilgrim. De plus, puisque la tuberculose est une maladie infectieuse, si vous pouvez atténuer les gens tôt, il y aura moins de propagation, ce qui augmentera l’efficacité de ce dépistage. »

Les chercheurs dirigent des travaux en Zambie dans un cadre prospectif, ce qui signifie qu’ils collectent des données auprès de patients participants à un dépistage et fondent un TAAN à chaque patient dans le but d’étudier le système. Ils recherchent également des moyens de diffuser ces modèles dans le monde de manière à avoir le maximum d’impact pour les patients.

« Nous démontrerons que cela potra être un outil utilisé par des médecins et des agents de santé non experts pour détecter les personnes en masse et amener les personnes au traitement, si nécessaire sans recours aux médecins spécialistes, qui sont rares, a conclu Pilgrim. Nous pensons que nous pouvos le faire sur le terrain de manière peu coûteuse et à volume élevé. »

Bruno Benque avec RSNA

.

Leave a Comment