Évaluation en routine clinique de PaIRe, outil d’intelligence artificielle pour la détection et la quantification automatique des lésions en TEP/TDM au 18F-FDG
L’aide au diagnostic par la détection automatique des lésions par intelligence artificielle (IA) est actuellement en pleine expansion et la quantification manuelle du volume métabolique tumoral (MTV) en TEP au 18F-FDG reste peu utilisée en routine clinique. Les réseaux neuronaux pourraient aider les...
Saved in:
Published in | Médecine nucléaire : imagerie fonctionelle et métabolique Vol. 45; no. 4; p. 192 |
---|---|
Main Authors | , , , , |
Format | Journal Article |
Language | French |
Published |
Elsevier Masson SAS
01.07.2021
|
Subjects | |
Online Access | Get full text |
Cover
Loading…
Summary: | L’aide au diagnostic par la détection automatique des lésions par intelligence artificielle (IA) est actuellement en pleine expansion et la quantification manuelle du volume métabolique tumoral (MTV) en TEP au 18F-FDG reste peu utilisée en routine clinique. Les réseaux neuronaux pourraient aider les praticiens dans la réalisation de ces tâches. L’objectif de cette étude était d’évaluer les performances de détectabilité et de quantification (SUVmax, MTV) du logiciel PaIRE, outil d’IA récemment développé dans le service de médecine nucléaire du CHU Henri Mondor à Créteil (APHP).
Examens TEP/TDM au 18F-FDG (tous réalisés dans un contexte oncologique) de 97 patients provenant de 3 centres (TEP GE MI au GHR Mulhouse Sud-Alsace, Siemens Biograph Horizon au CISEL à Chartres, Siemens Vision 450 au CHU Henri Mondor). Le logiciel PaIRe (https://www.paire.tech), utilisant un réseau de neurones convolutifs entraîné sur une cohorte de 2453 patients issus de l’APHP (2112) et de cohortes publiques du Cancer Imaging Archive (341 patients), a servi comme modèle. Toutes les lésions détectées étaient répertoriées par le logiciel d’IA et les 3 médecins relecteurs les ont classées en vrai-positif (VP) ou faux-positif (FP). Un FP était défini comme une anomalie détectée par le logiciel d’IA mais étant d’origine physiologique, un FN comme un foyer pathologique non détecté par l’algorithme. Compte-tenu de la grande variabilité des mesures (extrêmes : 0,1 à 1918mL), la corrélation (coefficient de détermination de Pearson R2) entre les MTV générés par l’algorithme et les MTV ainsi que le grand axe des lésions mesurés par les médecins ont été analysés de manière logarithmique.
Au total, 1083 foyers hypermétaboliques (détectés par l’algorithme ou les médecins) ont été inclus dans l’analyse (655 au GHRMSA, 330 au CISEL et 98 au CHU Henri Mondor). La durée moyenne de l’inférence était de 2,6±0,1min/examen. La sensibilité de détection et la VPP de l’algorithme étaient de 97,4 % et 67,4 % respectivement avec une médiane de 3 FP/examen. Le nombre de FN était de 19 (1,8 %). Les valeurs de SUVmax étaient hautement corrélées aux valeurs des médecins (R2=0,99), ainsi que les valeurs du MTV (R2=0,92) et les mesures du grand axe (R2=0,91).
La haute sensibilité de détection, les excellentes capacités de quantification et la rapidité de calcul font du logiciel d’IA PaIRe un outil performant d’aide au diagnostic utilisable en routine clinique. |
---|---|
ISSN: | 0928-1258 1878-6820 |
DOI: | 10.1016/j.mednuc.2021.06.041 |