Le scanner abdominal mieux que l'IMC pour évaluer le risque cardiovasculaire

Une étude présentée lors du congrès virtuel RSNA 2020 objective l’utilisation du scanner pour évaluer les risques d’accidents cardiovasculaires aidé par le deep learning.

Une étude pluridisciplinaire élabore un outil de deep learning à partir des images TDM

« Les modèles de risque cardiovasculaire établis reposent sur des facteurs comme le poids et l'IMC qui sont des substituts bruts de la composition corporelle, remarque le Dr Kirti Magudia, chercheur en imagerie abdominale et en échographie à l'Université de Californie à San Francisco. Il est bien établi que les personnes ayant le même IMC peuvent avoir des proportions nettement différentes de muscle et de graisse. Ces différences sont importantes en tant que déterminants de Santé. »

Contrairement à l'IMC, qui est basé sur la taille et le poids, une seule coupe axiale de scanner abdominal permet d’évaluer à la fois le volume de graisse sous-cutanée, de graisse viscérale et de muscle squelettique. Cependant, mesurer manuellement ces zones individuellement n’est pas efficient. En tant que résidente en radiologie au Brigham and Women's Hospital de Boston, Le Dr Magudia faisait partie d'une équipe multidisciplinaire de chercheurs, comprenant des radiologues, un data scientist et un biostatisticien, qui ont développé une méthode entièrement automatisée utilisant le deep learning pour déterminer les paramètres de composition corporelle à partir d'images TDM abdominales.

L’identification de zones de graisse abdominale mieux que l’IMC pour prédire les accidents cardiovasculaires

La cohorte d'étude a été dérivée des 33 182 examens ambulatoires de TDM abdominale effectués sur 23 136 patients chez Partners Healthcare à Boston en 2012. Les chercheurs ont identifié 12 128 patients qui étaient exempts de diagnostics cardiovasculaires et de cancer majeurs au moment de l'imagerie. L'âge moyen des patients était de 52 ans et 57% des patients étaient des femmes. Les chercheurs ont sélectionné la tranche L3 CT (à partir de la troisième vertèbre de la colonne lombaire) et calculé les zones de composition corporelle pour chaque patient. Les patients ont ensuite été divisés en quatre quartiles sur la base des valeurs normalisées de la zone de graisse sous-cutanée, de la zone de graisse viscérale et de la zone de muscle squelettique.

Dans cette étude rétrospective, les patients, parmi les 12 128, victimes d’un infarctus du myocarde ou d’un AVC dans les 5 ans suivant leur tomodensitométrie abdominale initiale ont été recherché. Les chercheurs ont découvert 1560 infarctus du myocarde et 938 accidents vasculaires cérébraux dans ce groupe d'étude. L'analyse statistique a démontré que la zone de graisse viscérale était indépendamment associée à de futures crises cardiaques et accidents vasculaires cérébraux. L'IMC n'était quant à lui pas associé à une crise cardiaque ou à un accident vasculaire cérébral.

Les promesses de l’analyse de la composition corporelle par l’IA associée au scanner

« Le groupe de patients avec la plus forte proportion de zone de graisse viscérale était plus susceptible d'avoir une crise cardiaque, même après ajustement pour des facteurs de risque cardiovasculaires connus, précise le Dr Magudia. Le groupe de patients présentant la plus faible quantité de zone de graisse viscérale a été protégé contre les AVC dans les années qui ont suivi le scanner abdominal. Ces résultats démontrent que les mesures précises des compartiments musculaires et graisseux obtenues grâce à la tomodensitométrie surpassent les biomarqueurs traditionnels pour prédire le risque de conséquences cardiovasculaires ».

Selon le Dr Magudia, ces travaux démontrent que l'analyse de la composition corporelle entièrement automatisée et normalisée pourrait maintenant être appliquée à des projets de recherche à grande échelle. « Ce travail montre la promesse des systèmes d'IA pour ajouter de la valeur aux soins cliniques en extrayant de nouvelles informations à partir de données d'imagerie existantes, conclut-elle. Le déploiement de systèmes d'IA permettrait aux radiologues, aux cardiologues et aux médecins de soins primaires de fournir de meilleurs soins aux patients à un coût supplémentaire minime pour le système de santé. »