La fonction ventriculaire droite étudiée par un algorithme de Machine Learning

Des chercheurs utilisant la modélisation d'images 3D combinées Machine Learning (ML) ont démontré une échelle de risques plus précise pour les patients souffrant d'hypertension pulmonaire qu'en utilisant l'imagerie conventionnelle et les biomarqueurs, selon une nouvelle étude parue dans la revue Radiology.

Du Machine Learning pour digérer les images d'une IRM cardiaque conventionnelle

Développé par des chercheurs londoniens, l'algorithme complexe a permis d'analyser et d'en apprendre plus des images IRM du ventricule droit, permettant aux médecins de mieux prédire la survie des patients et d'identifier les changements fonctionnels ponctuels associés à une survie réduite. "Nous avons essentiellement procédé à une IRM cardiaque conventionnelle et appliqué une approche ML pour identifier les informations les plus pertinentes pour la survie des patients", explique le Dr Timothy JW Dawes, Professeur à l' Impérial College de Londres.

La fonction ventriculaire évaluée sur plus de 30 000 points

L'étude de 256 patients atteints d'hypertension pulmonaire au Royaume-Uni s'est concentrée sur la fonction du ventricule droit, un déterminant clé de la survie du patient pour cette pathologie. En utilisant des images IRM conventionnelles, l'équipe a développé un modèle 3D à haute résolution du ventricule droit pour chaque sujet, évaluant la fonction ventriculaire sur près de 30 000 points. L'algorithme a été capable de d'identifier des modèles fonctionnels qui prédisent une mauvaise survie, pour la moitié des sujets, et a testé la performance de ces données chez les sujets restants. Les chercheurs ont comparé ces résultats aux prédictions, en utilisant des marqueurs pronostiques classiques, tels que ceux dérivés du cathétérisme cardiaque, des évaluations fonctionnelles et de l'analyse par IRM conventionnelle.

Un algorithme qui pourrait devenir un outil prédictif

Le processus a été répété 1 000 fois avec une répartition aléatoire des sujets dans les deux groupes. La prédiction à l'aide de modèles 3D a surpassé tous les autres marqueurs dans la prédiction de la survie du patient, selon les résultats. "La clé du système est que l'ordinateur était très bon pour prédire, dans le groupe contrôle, comment les patients survivraient, a déclaré le Dr Dawes. Les avantages du modèle ML pourraient s'étendre bien au-delà de ses capacités et devenir un outil de prédiction précis, a-t-il ajouté. Cette étude nous a également donné un aperçu de la façon dont les adaptations fonctionnelles dans le ventricule droit annoncent un mauvais pronostic et comment ces adaptations sont mises en exergue sur le plan anatomique", a déclaré le Dr Dawes.

La survie du patient souvent liée à la fonction systolique droite

Selon l'étude, la fonction systolique, dans la majeure partie du ventricule droit et du septum, influait sur la survie du patient. Un allongement longitudinal réduit dans les régions basale et médio-ventriculaire était associé à de mauvais résultats. Une diminution de la contraction radiale dans le septum et la paroi avait également une signification pronostique. La mortalité a également été prédite par une augmentation globale de la fonction circonférentielle. "Malgré l'amélioration de la qualité de l'imagerie au cours des 15 à 20 dernières années, cette étude apporte un flux d'informations supplémentaires dont les cliniciens seront en mesure de tirer profit, précise le Dr Dawes. Cela a été une excellente occasion de combiner l'optimisation de l'extraction de données et un problème clinique très réel."

Une nouvelle étude multicentrique en préparation

"Pour la suite, l'équipe envisage d'étudier la possibilité d'utiliser une technologie avancée d'intelligence artificielle pour interpréter les images cardiaques en quelques secondes, sans aucune intervention humaine, a déclaré l'auteur principal, le Dr Declan O'Regan, chercheur clinicien senior et radiologue consultant au MRC London Institute of medical sciences. En fournissant des prédictions précises sur la santé des patients, le ML pourrait transformer la radiologie." L'équipe de recherche prévoit de lancer prochainement un essai pour valider ces méthodes dans différents hôpitaux et évaluer l'exactitude de ses prédictions.