Vers un classement prioritaire des images IRM cérébrales grâce à l’Intelligence Artificielle

L’IRM est un outil incontournable pour l’évaluation des pathologies cérébrales. Cependant, l’urgence de la prise en charge diffère d’un patient à l’autre, et il importe d’aider les praticiens à identifier rapidement les patients nécessitant les soins les plus immédiats.

 

L’Intelligence Artificielle pourrait potentiellement apporter une solution à ce problème en optimisant et accélérant les procédures cliniques, mais aussi en identifiant des découvertes fortuites (incidental findings) : pour la première fois, une équipe de chercheurs1 a utilisé un très large jeu de données cliniques multi-sites, pour entraîner un réseau de neurones convolutif à reconnaître des anomalies sur des images IRM cérébrales.

 

  • 3 jeux de données (pour entraînement, validation et test) à partir de plus de 9000 examens cliniques d’IRM cérébrales acquises dans différentes institutions
  • Images annotées par 4 radiologues selon 10 catégories : « probablement normale », « hémorragie », « inflammation », …
  • Images (séquences FLAIR) catégorisées : « probablement normales » ou « probablement anormales »

 

  • Le modèle montre une bonne performance en distinguant les images « probablement normales » des images « probablement anormales »
  • Capacité de généralisation à améliorer : modèle testé sur un jeu de validation acquis dans une autre institution que le jeu d’entraînement
  • Challenge : variabilité des pathologies et des images
  • Développements futurs : capacité à classifier précisément les images « probablement anormales » dans les différentes catégories

Un travail très prometteur, affaire à suivre !

1Gauriau et al. A Deep Learning-Based Model for Detecting Abnormalities on Brain MRI for Triaging: Preliminary Results from a Multi-Site Experience. Radiology: Artificial Intelligence. April 2021.