Quantification calcique coronaire par TDM : les dérives du score d'Agaston issu du deep learning
JEUDI 08 JUIN 2023
Soyez le premier à réagirDes chercheurs suisses ont tenté, dans une étude publiée dans la Revue European Radiology, d’évaluer les avantages de la reconstruction TDM coronaire issue du deep learning en comparaison avec les protocoles classiques. Ils ont trouvé une qualité d’image améliorée mais des scores d’Agaston sous-estimés pour quantifier le calcium dans l’artère coronaire.
Le calcium de l'artère coronaire (CAC) est un marqueur de substitution bien établi de la charge de plaque d'athérosclérose et, par conséquent, a une valeur pronostique chez les patients asymptomatiques.
Les reconstructions issues du deep learning supplantent les protocoles de rétroprojection filtrée ou de reconstruction itérative
Dès lors, les directives actuelles sur la prévention primaire des maladies cardiovasculaires ont approuvé le CAC comme modificateur de risque chez les patients présentant un risque intermédiaire de maladies cardiovasculaires, soulignant ainsi la nécessité d'une mesure exacte et précise du CAC. Cette mesure est aléatoire, selon plusieurs paramètres techniques, comme les algorithmes de reconstruction d'image, le type de modalité de tomodensitométrie (TDM) ou le logiciel d'analyse. Les reconstructions d'images issues du deep learning (DLIR) basées sur un réseau de neurones convolutifs ont été récemment introduites comme alternative aux algorithmes de rétroprojection filtrée (FBP) et de reconstruction itérative (IR) pour la coronarographie.
Bien que les écarts par rapport aux paramètres de reconstruction FBP standard soient déconseillés pour l'imagerie de la CAC, les résultats préliminaires ont montré que la mise en œuvre du DLIR est associée à une qualité d'image supérieure tout en conservant une texture similaire à celle des images FBP. Une équipe de chercheurs suisses a souhaité valider cette évolution dans une étude publiée dans la Revue European Radiology qui évalue l'effet du DLIR sur la qualité de l'image et la quantification du CAC par rapport au FBP standard en utilisant la TDM sans injection de produit de contraste avec gating ECG.
Une meilleure qualité d’image mais une sous-estimation du score d’Agaston
Pour réaliser ce travail, cent patients ont été inclus. Les variables associées à la qualité de l'image, comme le bruit, le rapport signal sur bruit (SNR) et le rapport contraste sur bruit (CNR) ainsi que les paramètres dérivés du CAC (score d'Agatston, masse et volume) ont été calculés à partir d'images reconstruites en utilisant FBP et trois forces différentes de DLIR (faible (DLIR_L), moyen (DLIR_M) et élevé (DLIR_H)). Les patients ont été classés en 4 catégories de risque selon la classification CAC-DRS (Coronary Artery Calcium - Data and Reporting System) : 0 score d'Agatston (risque très faible), 1–99 score d'Agatston (risque légèrement accru), Agatston 100–299 (risque modérément augmenté) et score d'Agatston ≥ 300 (risque modérément à sévèrement augmenté).
Par rapport au FBP standard, les chercheurs ont objectivé, au fil de l’augmentation de la force du DLIR, une diminution significative et progressive du bruit de l’image, parallèlement à une augmentation significative et progressive du SNR et du CNR. Cependant, l'utilisation de niveaux progressifs de DLIR a été associée à une diminution significative du score CAC d'Agatston et du volume CAC, tandis que le score de masse est resté inchangé par rapport au FBP. La sous-estimation du CAC d'Agatston a conduit à un taux d'erreur de classification CAC-DRS de 8 %.
Le fait que le DLIR sous-estime systématiquement le score CAC d'Agatston incite donc à utiliser celui-ci avec prudence pour l'évaluation du risque cardiovasculaire.
Bruno Benque avec European Radiology