La place croissante de l’intelligence artificielle (IA) dans l'évaluation diagnostique et pronostique des pathologies respiratoires complexes est prometteuse mais sa stratégie d’utilisation nécessite encore des ajustements. P. George (Londres) a présenté au congrès de l’European Respiratory Society (ERS) 2024, les avantages et inconvénients de l’utilisation de l'IA dans les pathologies fibrosantes, notamment la fibrose interstitielle diffuse (FID).
Il est maintenant patent que la tomodensitométrie thoracique est essentielle à l'évaluation du pronostic : appréciation de l’extension lésionnelle et de son organisation tissulaire, et visualisation précise des bronchectasies de traction, conséquences nocives et évolutives de la fibrose. Malheureusement ces éléments sont très diversement appréciés d'un observateur à l'autre.
Il a même été démontré que plus l'expérience des radiologues s’étoffe dans ce domaine, plus les risques de divergences entre eux augmentent… De même le contrôle objectif de l’évolution à moyen ou long terme du processus, notamment après intervention thérapeutique, est difficile à établir sur des évaluations radiologiques répétées où les éléments cliniques d’appréciation sont de quantification complexe.
Volume du processus fibrosant et sa vascularisation
Les principaux éléments où l'IA est ainsi susceptible d’apporter une aide significative sont, pour l'orateur, l'évaluation du volume du processus fibrosant et de sa texture, en mettant l'accent sur la vascularisation de la lésion. Ainsi la sensibilité de l'IA est supérieure à celle de l'évaluation clinique : 79 % contre 66 % avec un index C (probabilité de concordance entre les résultats prédits et observés) de 0,85 contre 0,79. L'analyse de la vascularisation de la lésion a donné lieu à la proposition en place d'un algorithme nommé CALIPER qui fournit de bons résultats.
L'équipe du Pr George a développé à partir de cet élément un algorithme dénommé Brainomix e-Lung qui permet de fournir un score réticulo-vasculaire pondéré (SRVP). L'équipe a montré qu’au-delà d'une valeur seuil de 15 % le risque respiratoire de la FID (diminution de la capacité vitale forcée) était significativement élevé : rapport de risque (RR) de 4,55 (p < 0,01).
Le système proposé par l'orateur est aussi efficace dans la quantification des modifications de l'image thoracique au cours de l'évolution de la maladie. Dans la comparaison de clichés réalisés à 12 mois d’intervalle, les RR de mortalité ajustés selon l'âge augmentent significativement selon que sont utilisés respectivement les moyens suivants : évaluation clinique (RR = 5,51), diminution de la capacité vitale forcée > 10 % (RR = 6,02) et augmentation du SRVP de 3 % (RR = 6,38).
L'orateur conclut que l'IA améliore l'évaluation de la structure lésionnelle de la FID. Son utilité pour apprécier l’évolutivité de la maladie est possible mais nécessite d’être documentée de façon plus approfondie. En effet les outils proposés sont certes bien développés mais nécessitent encore d'être appréciés selon la situation particulière de chaque malade, ce que l’IA ne peut pas encore faire...
References
George P. Artificial intelligence-assisted outcome prediction in fibrotic lung disease. Présentation n° 2807, Congrès ERS 2024, 7 au 11 septembre 2024, Vienne.
