Le deep learning progresse dans l'identification des fractures du scaphoïde
LUNDI 17 MAI 2021
Soyez le premier à réagirUn système automatisé utilisant l'intelligence artificielle (IA) se montre efficace pour détecter la fracture classique du scaphoïde à partir de radiographies, selon une étude publiée dans la revue Radiology: Artificial Intelligence. Les chercheurs ont déclaré que l'algorithme dérivé de l'IA pourrait aider à accélérer le diagnostic et permettre un traitement plus précoce.
Les fractures du scaphoïde représentent jusqu'à 7% de toutes les fractures du squelette. Un diagnostic rapide est important, car la fracture peut entraîner une multitude de problèmes comme l'arthrite ou la perte partielle de fonction du poignet.
Un réseau neuronal convolutif capable de distinguer des lésions au-delà de l’œil humain
La radiographie conventionnelle est la technique d'imagerie de choix pour diagnostiquer les fractures du scaphoïde, mais le diagnostic est souvent difficile à cause de la superposition du scaphoïde avec les os environnants du poignet. « Par conséquent, déclare l'auteur principal d'une étude hollandaise publiée dans la Revue Radiology : Artificial Intelligence, Nils Hendrix, de l'hôpital Jeroen Bosch et à la Jheronimus Academy of Data Science des Pays-Bas, les fractures du scaphoïde peuvent être négligées lors des examens radiographiques initiaux. »
Les chercheurs ont ainsi étudié un système qui pourrait aider les radiologues à détecter ces fractures grâce à un système basé sur un deep learning avec réseau neuronal convolutif, capable de discerner des motifs subtils dans les images au-delà des capacités de l'œil humain. Alors que des recherches antérieures ont révélé qu'un réseau de neurones convolutifs était inférieur aux observateurs humains pour identifier les fractures du scaphoïde sur les rayons X, la nouvelle étude a utilisé des ensembles de données plus volumineux et des algorithmes améliorés pour une meilleure détection.
Un potentiel significatif en utilisation clinique pour accélérer la prise en charge
Les chercheurs ont utilisé des milliers de radiographies conventionnelles de la main, du poignet et du scaphoïde pour développer le système. Ils l'ont testé sur un ensemble de données de 190 examens et ont comparé ses performances à celles de 11 radiologues. Le système a alors objectivé une sensibilité de 78% pour détecter les fractures avec une valeur prédictive positive de 83%. L'analyse a montré que le système fonctionnait de manière comparable à celle des 11 radiologues.
Cet outil a donc un potentiel significatif en utilisation clinique et pourrait permettre de réduire l'incidence et les coûts des examens d'imagerie supplémentaires et des traitements inutiles, accélérer le diagnostic et la prise en charge. « Le système peut être en mesure d'aider les résidents, les radiologues ou d'autres médecins en agissant soit en tant que premier ou deuxième lecteur, soit en tant qu'outil de triage, réduisant potentiellement le risque de manquer une fracture, poursuit N. Hendrix. Le réseau neuronal convolutif peut également réduire l'immobilisation inutile du poignet, réalisée par précaution, chez plus de la moitié des patients avec suspicion clinique d'avoir une fracture du scaphoïde. »
Bruno Benque avec RSNA