Dans une nouvelle étude, l’intelligence artificielle correspondait et a potentiellement dépassé les performances des gastro-entérologues et une notation conventionnelle dans l’évaluation des endoscopies des patients atteints de la maladie de Crohn.
Les résultats, publiés dans Gastro-entérologie clinique et hépatologiemontrez un modèle de vision par ordinateur qui a identifié une ulcération muqueuse comme avec précision que les médecins examinant des vidéos, tout en étant fortement corrélé avec le système de notation endoscopique le plus courant.
« Un clinicien a une gestalt pour savoir si Crohn de quelqu’un est doux ou sévère, s’il s’améliore ou aggrave », a déclaré Ryan W. Stidham, MD, MS, professeur agrégé de médecine interne à la faculté de médecine de l’Université du Michigan et auteur principal du journal.
« Mais les outils manuels pour quantifier cette opinion d’experts avec objectivité et reproductiblement sont médiocres. L’analyse d’image AI peut fournir de meilleures solutions pour des mesures et des descriptions plus précises de ce que nous voyons à l’écran pendant la coloscopie. »
Dans l’étude, deux gastro-entérologues ont annoté les zones d’ulcères dans 4 487 images fixes à partir de vidéos endoscopiques. Le modèle de vision de l’ordinateur AI a examiné les mêmes images des essais cliniques précédents.
Les résultats du modèle AI avaient un score global de similitude en dés plus élevé avec la vérité du sol (0,591) que lors de la comparaison de l’accord entre deux gastro-entérologues (0,462).
Les évaluations de la vision par ordinateur des vidéos de coloscopie étaient également fortement corrélées avec un score endoscopique simple pour les valeurs de la maladie de Crohn (SES-CD). SES-CD est une métrique qui tente de quantifier manuellement diverses caractéristiques de l’ulcération d’un patient.
Bien que les auteurs de l’étude notent l’importance du SES-CD pour la recherche sur la maladie de Crohn et d’évaluer l’efficacité du traitement, ils mettent également en évidence ses limites, y compris la variabilité entre les observateurs et l’incapacité à saisir certaines caractéristiques de l’ulcère.
Les chercheurs espèrent que les mesures alimentées par l’IA amélioreront non seulement la cohérence entre les prestataires, mais, plus important encore, pourra offrir des détails plus quantitatifs pour décrire la maladie.
« Il peut être difficile de justifier les décisions, en particulier si vous parlez de médicaments coûteux ou de thérapies plus risquées », a déclaré Stidham.
« L’une des raisons de cette recherche est de fournir un jour des preuves plus objectives pour l’impression d’un clinicien expérimenté. »
Les chercheurs identifient plusieurs autres avantages potentiels à des mesures d’endoscopie plus cohérentes. Dans les domaines sans spécialistes des MII, l’interprétation de l’endoscopie IA peut être utilisée pour guider le changement de traitement en fonction de la prise de décision experte. Pour les fournisseurs plus expérimentés, les informations peuvent les aider à comprendre leur propre processus décisionnel.
Ils mettent également en évidence des implications possibles pour l’éducation et le développement de médicaments.
« Cet article est vraiment la première étape, et j’espère qu’il oblige tout le terrain à penser à de meilleures façons de quantifier les MII qui décrivent plus complètement un patient individuel », a déclaré Stidham.
« C’est très tôt, mais des outils de vision par ordinateur comme celui-ci peuvent fournir un élément important pour l’avenir des soins automatisés, où l’IA et les experts travaillent ensemble dans le traitement des patients. »
