Un modèle d’intelligence artificielle (IA) peut prédire votre risque de mourir d’une crise cardiaque ou d’un accident vasculaire cérébral sur une période de 10 ans à partir d’une seule radiographie pulmonaire.
Les chercheurs ont formé l’IA d’apprentissage en profondeur pour rechercher dans les images radiographiques des modèles associés à l’athérosclérose, la principale cause des maladies cardiaques cardiovasculaires.
Les directives sanitaires actuelles aux États-Unis recommandent d’estimer un risque sur 10 ans d’événements cardiaques majeurs, afin que des mesures préventives puissent être prises si nécessaire, telles que l’utilisation de statines.
Le risque est calculé à l’aide d’un score basé sur des variables telles que l’âge, le sexe, la race, la pression artérielle, le traitement de l’hypertension, le tabagisme, le diabète de type 2 et les tests sanguins.
Les statines sont recommandées pour les patients qui ont un risque sur 10 ans de 7,5 % ou plus.
« Les variables nécessaires pour calculer le risque d’ASCVD ne sont souvent pas disponibles, ce qui rend souhaitables les approches de dépistage basées sur la population », a déclaré l’auteur principal de l’étude, le Dr Jakob Weiss, radiologue affilié au Cardiovascular Imaging Research Center du Massachusetts General Hospital et à l’AI. en médecine au Brigham and Women’s Hospital de Boston.
« 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.
« Comme les radiographies pulmonaires sont couramment disponibles, notre approche peut aider à identifier les personnes à haut risque. Ce type de dépistage pourrait être utilisé pour identifier les personnes qui bénéficieraient d’un médicament à base de statine mais qui ne sont actuellement pas traitées.
Les progrès de l’IA rendent cela possible
L’équipe de chercheurs a formé un modèle d’apprentissage en profondeur à l’aide de 147 497 radiographies pulmonaires de 40 643 participants à l’essai de dépistage du cancer de la prostate, du poumon, colorectal et de l’ovaire, un essai contrôlé randomisé multicentrique conçu et parrainé par le National Cancer Institute dans le NOUS.
Ils ont testé le modèle, appelé CXR-CVD risk, en utilisant une deuxième cohorte indépendante de 11 430 patients ambulatoires ayant subi des radiographies pulmonaires et potentiellement éligibles à un traitement par statine.
Sur 11 430 patients, 1 096 – soit 9,6 % – ont subi un événement cardiaque indésirable majeur au cours du suivi médian de 10,3 ans.
Ils ont trouvé une « association significative » entre le risque prédit par le modèle de risque CXR-CVD et les événements cardiaques majeurs observés réels.
« 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 », a déclaré Weiss.
« Sur la base d’une seule image de radiographie pulmonaire existante, notre modèle d’apprentissage en profondeur prédit les futurs événements cardiovasculaires indésirables majeurs avec des performances similaires et une valeur supplémentaire par rapport à la norme clinique établie ».
Il a déclaré que les rayons X sont connus depuis longtemps pour capturer des informations au-delà des résultats de diagnostic traditionnels, mais que les données n’ont pas été utilisées parce que « nous n’avons pas de méthodes robustes et fiables ».
« Les progrès de l’IA rendent cela possible maintenant », a-t-il déclaré.
« Ce que nous avons montré, c’est qu’une radiographie pulmonaire est plus qu’une radiographie pulmonaire. Avec une approche comme celle-ci, nous obtenons une mesure quantitative, qui nous permet de fournir à la fois des informations diagnostiques et pronostiques qui aident le clinicien et le patient ».
Weiss a déclaré que des recherches supplémentaires, y compris un essai contrôlé et randomisé, sont nécessaires pour valider le modèle d’apprentissage en profondeur, qui pourrait finalement servir d’outil d’aide à la décision pour les médecins traitants.
Les résultats de l’étude ont été présentés mardi lors de la réunion annuelle de la Radiological Society of North America (RSNA).