Un modèle d'apprentissage en profondeur développé par des chercheurs du Programme d'intelligence artificielle en médecine (AIM) peut prédire le risque de décès par crise cardiaque ou accident vasculaire cérébral sur 10 ans à l'aide d'une seule radiographie pulmonaire.
Actuellement, ce risque est estimé à l'aide du score de risque de maladie cardiovasculaire athéroscléreuse (ASCVD). Ce modèle statistique nécessite de nombreux paramètres d'entrée, notamment l'âge, le sexe, la race, la pression artérielle systolique, le traitement de l'hypertension, le tabagisme et le diabète de type 2, ainsi que des tests sanguins. Les patients présentant un risque de 7.5 % ou plus se voient recommander des statines. Souvent, cependant, ces variables ne sont pas toutes disponibles dans le dossier électronique du patient.
Pour remédier à cette lacune, les chercheurs ont créé un modèle d'apprentissage en profondeur qui peut estimer le risque sur 10 ans d'événements cardiovasculaires indésirables majeurs à partir d'une radiographie pulmonaire de routine. A cette semaine RSNA 2022, la réunion annuelle de la Radiological Society of North America, auteur principal Jacob Weiss présenté le travail de l'équipe.
"Notre modèle d'apprentissage en profondeur offre une solution potentielle pour le dépistage opportuniste du risque de maladie cardiovasculaire basé sur la population à l'aide d'images radiographiques pulmonaires existantes", explique Weiss. "Ce type de dépistage pourrait être utilisé pour identifier les personnes qui bénéficieraient de statines mais qui ne sont actuellement pas traitées."
Weiss et ses collègues ont développé leur modèle de risque CXR-CVD en utilisant 147,497 40,643 radiographies pulmonaires de XNUMX XNUMX participants au Essai de dépistage du cancer PLCO. Ils ont testé ses performances en utilisant un groupe indépendant de 11,430 10.3 patients ambulatoires qui ont subi une radiographie pulmonaire de routine au Mass General Brigham et qui étaient potentiellement éligibles à un traitement par statine. Au cours du suivi médian de 9.6 ans, XNUMX % de ces patients ont subi un événement cardiaque indésirable majeur, avec une association significative entre le risque prédit par le modèle et les événements observés.
Chez les 2401 patients disposant de suffisamment de données, l'équipe a également comparé la valeur pronostique du modèle de risque CXR-CVD avec la norme clinique établie pour décider de l'éligibilité aux statines. Dans ce sous-ensemble de patients, le modèle a présenté des performances similaires à la norme clinique.
Un algorithme open source prédit le risque de crise cardiaque à partir d'un scanner thoracique
"La beauté de cette approche est que vous n'avez besoin que d'une radiographie, qui est acquise des millions de fois par jour à travers le monde", déclare Weiss. « Nous savons depuis longtemps que les rayons X capturent des informations au-delà des résultats de diagnostic traditionnels, mais nous n'avons pas utilisé ces données car nous ne disposions pas de méthodes robustes et fiables. Les progrès de l'IA rendent cela possible maintenant.
Weiss note que des recherches supplémentaires, y compris un essai randomisé contrôlé, sont nécessaires pour valider le modèle, qui pourrait finalement servir d'outil d'aide à la décision pour les médecins.
