Les calcifications aortiques pas encore de vrais biomarqueurs prédictifs cardiovasculaires en TDM
VENDREDI 28 MARS 2025
Soyez le premier à réagirLes calcifications thoraciques sont-elles vraiment des biomarqueurs TDM d’épisodes cardiovasculaires ? Un modèle de quantification de la calcification aortique basé sur l’IA a été expérimenté dans une étude coréenne publiée dans l’American Journal of Roentgnology. L’hypothèse des chercheurs qui n’a que partiellement été validée par cette étude.
L'utilisation croissante de la tomodensitométrie (TDM) thoracique pour le dépistage du cancer du poumon contribue à accroître la détection fortuite de calcifications cardiovasculaires, y compris la calcification de l'aorte thoracique (CAT).
Les calcifications thoraciques doivent prouver leur capacité à être des biomarqueurs d’épisodes cardiovasculaires
L'importance clinique potentielle de la CAT détectée fortuitement lors d'examens TDM de routine dans le cadre d'un dépistage généralisé fait désormais consensus, une association entre la CAT et la calcification des artères coronaires (CAC) étant prédicteurs d’un risque accru d'événements cardiovasculaires et de mortalité. Mais l'évaluation de l'importance de la CAT est néanmoins compliquée par l'absence de critères standardisés pour évaluer et stratifier son étendue, notamment en comparaison avec la CAT, pour laquelle les systèmes de notation sont bien établis.
Bien que des études aient suggéré des associations entre les scores de CAT et les résultats cliniques à long terme en utilisant des seuils basés sur le score d'Agatston ou le volume de CAT, ces approches ne sont pas aussi largement acceptées qu'elles le sont pour la CAC. Les progrès des technologies basés sur l'intelligence artificielle (IA) pourraient potentiellement permettre la quantification automatisée de la CAT, relevant ainsi les défis liés à sa distribution anatomique étendue et renforçant le rôle potentiel de la CAT comme biomarqueur de stratification du risque. L
Un modèle de quantification de la calcification aortique basé sur l’IA expérimenté dans une étude coréenne
Une étude coréenne récente publiée dans l’American Journal of Roentgenology (AJR) a pour objectif d'évaluer les implications pronostiques à long terme de la CAT, évaluée par quantification basée sur l'IA lors d'examens TDM thoraciques de routine au sein d'une population ciblée. « La quantification basée sur l'IA offre une approche standardisée pour mieux comprendre le rôle potentiel de la CAT comme biomarqueur d'imagerie prédictif », rappelle l'auteur correspondant, le Pr Young Joo Suh, de l'Institut de recherche en sciences radiologiques et du Centre de science des données d'imagerie clinique de l'hôpital Severance, faculté de médecine de l'université Yonsei à Séoul (Corée du Sud).
Ce travail incluait 7 404 individus asymptomatiques (âge médian, 53,9 ans ; 5 875 hommes, 1 529 femmes) ayant fait l’objet d’une TDM thoracique non synchronisée sans contraste dans le cadre d'un programme national de dépistage de santé générale dans l'un des deux centres indépendants participants (Severance Hospital, centre 1 ; Chonnam National University Hospital, centre 2) de janvier 2007 à décembre 2014. Un programme d'IA commercial (ClariCardio ; ClariPi, Inc.) a quantifié la CAT et la CAC à l'aide des scores d'Agatston, qui ont ensuite été stratifiés en catégories.
Une hypothèse qui n’a que partiellement été validée par cette étude
Les radiologues ont quantifié manuellement la CTA et la CAC dans 2 567 examens. Le rôle des catégories de CTA basées sur l'IA dans la prédiction des événements cardiovasculaires indésirables majeurs (MACI) et de la mortalité toutes causes confondues (MCA) a été évalué par des modèles multivariés à risques proportionnels de Cox utilisant les données des deux centres et les statistiques C issues de modèles pronostiques développés et testés à partir des données des centres 1 et 2, respectivement.
Les chercheurs ont déduit de ce travail que, pour les personnes asymptomatiques soumises à un examen de santé général dans les deux centres coréens, l'ajout de catégories CTA basées sur l'IA n'a pas amélioré l'ajustement du modèle par rapport aux modèles contenant des variables cliniques, des variables de laboratoire et des catégories de CAC basées sur l'IA pour les événements majeurs cardiovasculaires ou les autres pathologies.
Paco Carmine