Une intelligence artificielle pour détecter la dystonie en moins d’une seconde

Un diagramme du processus de la plateforme DystoniaNet pour le diagnostic de la dystonie par IRM. Crédit : Mass Eye and Ear

Un article publié hier sur le site MedicalXpress a attiré notre attention et nous en avons fait une traduction rapide. Attention toutefois, il s’agit d’un article promotionnel/communiqué de presse sur un brevet qui n’est pas encore déposé et d’autres études sont à venir.

Une plateforme d’intelligence artificielle diagnostique la dystonie avec une grande précision en 0,36 seconde

Les chercheurs de Mass Eye and Ear (un hôpital spécialisé situé à Boston, États-Unis, qui se concentre sur l’ophtalmologie, l’oto-rhino-laryngologie et la recherche médicale) ont mis au point un outil de diagnostic unique qui permettrait de détecter la dystonie à partir d’un IRM

Dans une nouvelle étude publiée le 28 septembre, les chercheurs indiquent avoir développé une plateforme d’apprentissage en profondeur basée sur l’intelligence articielle, appelée DystoniaNet, pour comparer les IRM du cerveau de 612 personnes, dont 392 patients atteints de trois formes différentes de dystonie focale isolée et 220 personnes en bonne santé. La plateforme a diagnostiqué la dystonie avec une précision de 98,8 %. Au cours du processus, les chercheurs ont identifié un nouveau marqueur biologique du réseau neuronal microstructural. Avec des tests et une validation supplémentaires, ils pensent que DystoniaNet peut être facilement intégré dans la prise de décision clinique.

“Il n’existe actuellement aucun biomarqueur de la dystonie et aucun test fiable pour son diagnostic. De ce fait, de nombreux patients doivent subir des procédures inutiles et consulter différents spécialistes jusqu’à ce que d’autres maladies soient exclues et que le diagnostic de dystonie soit établi”, a déclaré l’auteur principal de l’étude, Kristina Simonyan, directrice de la recherche en laryngologie à Mass Eye and Ear, neuroscientifique associée au Massachusetts General Hospital et professeur associé d’otolaryngologie – chirurgie de la tête et du cou à la Harvard Medical School. “Il est absolument nécessaire de développer, de valider et d’intégrer des outils de test objectifs pour le diagnostic de cette affection neurologique, et nos résultats montrent que DystoniaNet pourrait combler cette lacune”.

L’étude a porté sur trois des types de dystonies focales les plus courantes : La dystonie laryngée, la dystonie cervicale, et le blépharospasme.

Traditionnellement, un diagnostic de dystonie est établi sur la base d’observations cliniques, a déclaré le Dr Simonyan. Des études antérieures ont montré que l’accord sur le diagnostic de la dystonie entre les cliniciens, basé sur des évaluations purement cliniques, n’est que de 34 % et ont rapporté qu’environ 50 % des cas sont mal ou sous-diagnostiqués lors de la première visite du patient.

DystoniaNet utilise l’apprentissage profond, un type particulier d’algorithme d’IA, pour analyser les données d’IRM individuelles et identifier des différences plus subtiles dans la structure du cerveau. La plateforme est capable de détecter des groupes de structures anormales dans plusieurs régions du cerveau qui sont connues pour contrôler le traitement et les commandes motrices. Ces petits changements ne peuvent pas être vus à l’œil nu en IRM, et les modèles ne sont évidents que grâce à la capacité de la plateforme à prendre des images cérébrales en 3D et à zoomer sur les détails microstructuraux.

“Notre étude suggère que la mise en œuvre de la plateforme DystoniaNet pour le diagnostic de la dystonie serait transformatrice pour la gestion clinique de ce trouble”, a déclaré le premier auteur de l’étude, Davide Valeriani, chercheur postdoctoral au sein du laboratoire de contrôle de la dystonie et de la motricité de la parole de Mass Eye and Ear et de la Harvard Medical School. “Il est important de noter que notre plateforme a été conçue pour être efficace et interprétable par les cliniciens, en fournissant le diagnostic du patient, la confiance de l’IA dans ce diagnostic, et des informations sur les structures cérébrales anormales”.

DystoniaNet est une plateforme propriétaire en instance de brevet, développée par les docteurs Simonyan et Valeriani, en collaboration avec Mass General Brigham Innovation. La technologie interprète un balayage IRM pour un biomarqueur microstructural en 0,36 seconde. Les chercheurs pensent que cette technologie peut être facilement transposée en milieu clinique, par exemple en l’intégrant dans un dossier médical électronique ou directement dans le logiciel du scanner IRM. Si DystoniaNet trouve une forte probabilité de dystonie dans l’IRM, un médecin peut utiliser cette information pour aider à confirmer le diagnostic en toute confiance, poursuivre les actions futures et suggérer un traitement sans délai.

Les études futures porteront sur un plus grand nombre de types de dystonie et comprendront des essais dans plusieurs hôpitaux afin de valider davantage la plateforme DystoniaNet chez un plus grand nombre de patients.

Article traduit de l'anglais (source ici) avec quelques compléments d'informations ajoutés.
Partagez cet article

Soyez le premier à commenter

Poster un Commentaire

Votre adresse de messagerie ne sera pas publiée.


*