La technique a le potentiel de changer la façon dont l’anévrisme aortique est surveillé.
Crédit image : Pixel maximumCC0 Domaine public
Des chercheurs de Michigan Medicine ont découvert une nouvelle méthode de mesure de la croissance de la plus grande artère du corps qui pourrait aider les cliniciens à identifier plus tôt les maladies cardiaques potentiellement mortelles.
La technique, appelée cartographie des déformations vasculaires, mesure les changements dans l’aorte thoracique, qui transporte le sang du cœur vers le reste du corps. Cette nouvelle technique utilise l’imagerie CT haute résolution pour calculer les changements tridimensionnels de la paroi aortique d’une manière qui surpasse de manière significative les méthodes de notation manuelle standard effectuées par des expertsselon les résultats publiés dans Radiologie et Physique médicale.
« La technique utilisée dans cet algorithme existe depuis un certain temps, mais personne ne l’a jamais utilisée pour voir la croissance tridimensionnelle d’un anévrisme de l’aorte thoracique », a déclaré Nicholas Burris, M.D., auteur correspondant des articles, professeur adjoint de radiologie et directeur de l’imagerie aortique à Michigan Medicine. « C’est une étape prometteuse vers une technologie qui pousse la précision de la mesure au-delà de ce que les évaluateurs humains peuvent réaliser, permettant aux cliniciens d’avoir la meilleure image possible de l’état d’un patient. »
L’anévrisme de l’aorte thoracique survient lorsque la plus grande partie de l’aorte s’affaiblit et grossit ou se dilate, ce qui augmente le risque de rupture ou de dissection potentiellement mortelle. Pour environ 3 % des patients adultes de plus de 50 ans atteints de cette maladie largement asymptomatique, les médecins recommandent de subir des tests réguliers, souvent avec des tomodensitogrammes, pour mesurer la croissance aortique et déterminer si une réparation chirurgicale est nécessaire.
Actuellement, la pratique standard pour mesurer la croissance se fait avec des « évaluateurs » humains qui alignent deux images et tracent une ligne en deux points pour trouver le changement. Burris dit que ce processus est sujet à l’erreur et, dans de nombreux cas, les médecins ne peuvent pas dire avec certitude si l’aorte thoracique se développe, ce qui crée une incertitude quant aux meilleurs traitements et au plan de suivi.
« Le défi auquel nous sommes confrontés sur le plan clinique est qu’un anévrisme typique de l’aorte ne grossira que d’une fraction de millimètre chaque année, et le processus de dessin manuel de diamètres aussi précis est très difficile à reproduire », a-t-il déclaré. « Vous avez beaucoup de variabilité dans les mesures standard par rapport à une très petite quantité de croissance réelle de l’anévrisme. Fondamentalement, vous finissez rarement par obtenir une évaluation fiable de la croissance, ce qui peut rendre difficile de savoir quel est le risque réel du patient et à quel point il doit être suivi avec des tomodensitogrammes répétés.
La technique de cartographie de la déformation vasculaire développée par l’équipe de Burris repose sur une technique d’analyse d’image connue sous le nom d’enregistrement d’image, qui, essentiellement, aligne l’anatomie montrée dans plusieurs tomodensitogrammes en prenant n’importe quel pixel sur le premier scan et en reliant sa position exacte au pixel sur le deuxième balayage. Lorsqu’ils sont tous alignés, une carte couleur tridimensionnelle de l’aorte montre à quel point et où l’aorte thoracique s’est développée.
Pour ces études, les chercheurs ont utilisé des scans de près de 50 patients atteints d’anévrisme aortique et 75 modèles de référence avec une croissance variable de la paroi aortique. Ils ont testé le programme automatisé contre deux évaluateurs manuels experts et ont constaté que la cartographie de la déformation vasculaire surpassait les humains avec une plus grande précision et une plus faible variabilité des mesures de croissance. La cartographie des déformations vasculaires a atteint une précision inférieure à 1 millimètre dans tous les cas, même les analystes humains les plus expérimentés avaient des mesures avec des erreurs allant jusqu’à 3 millimètres.
« Les progrès récents de l’intelligence artificielle ont suscité beaucoup d’intérêt pour l’IA en ce qui concerne l’automatisation des tâches de radiologie », a déclaré Charles Hatt, Ph.D., co-auteur de l’article et professeur adjoint de recherche adjoint en radiologie à Michigan Medicine. « Il s’avère que remplacer les radiologues humains n’est pas une tâche simple, et un objectif plus réaliste pour l’IA est d’accélérer les flux de travail et d’aider les radiologues à effectuer des mesures quantitatives d’objets qui sont autrement lourdes à réaliser et intrinsèquement subjectives. À cet égard, la cartographie des déformations vasculaires est un exemple parfait et concret de la façon dont l’IA et l’imagerie quantitative peuvent améliorer les soins cliniques en responsabilisant les cliniciens plutôt qu’en essayant de les remplacer.
Bien que ces rapports montrent que la cartographie des déformations vasculaires peut être plus utile que l’évaluation humaine pour déterminer si une intervention chirurgicale est nécessaire sur un anévrisme aortique, les chercheurs affirment que l’approche doit être étudiée plus avant dans de grands groupes de patients dans une clinique. Heureusement, dit Burris, la technique de cartographie de la déformation vasculaire peut être effectuée sur des tomodensitogrammes de routine de l’aorte, ce qui facilite la réalisation d’études de recherche plus importantes.
« Il s’agit d’une toute nouvelle façon d’envisager la croissance de l’anévrisme de l’aorte », a-t-il déclaré. « Au fur et à mesure que cela se développe, il est possible de le déployer dans un plus large éventail de maladies, telles que l’anévrisme de l’aorte abdominale. Passer des mesures unidimensionnelles actuelles à une approche tridimensionnelle nous permet de voir les schémas de croissance de l’anévrisme d’une manière jamais possible auparavant et nous permet de poser de nombreuses nouvelles questions et d’apprendre comment un outil de suivi très précis comme celui-ci peut être utilisé pour améliorer en fin de compte les soins aux patients.
La source: Système de santé de l’Université du Michigan
