Évaluer les IRM cérébrales à l’aide de l’intelligence artificielle

La Grèce n’est qu’un exemple d’une population où la part des personnes âgées augmente, et avec elle l’incidence des maladies neurodégénératives. Parmi celles-ci, la maladie d’Alzheimer est la plus répandue, représentant 70 % des cas de maladies neurodégénératives en Grèce. Selon les estimations publiées par la Société Alzheimer de Grèce, 197 000 personnes souffrent actuellement de la maladie. Ce nombre devrait atteindre 354 000 d’ici 2050.

Dr Andreas Papadopoulos1, médecin et coordinateur scientifique chez Iatropolis Medical Group, un fournisseur de diagnostic de premier plan près d’Athènes, en Grèce, explique le rôle clé du diagnostic précoce : « La probabilité de développer la maladie d’Alzheimer peut n’être que de 1 % à 2 % à 65 ans. Mais ensuite, elle double tous les cinq ans. Les médicaments existants ne peuvent pas inverser le cours de la dégénérescence ; ils ne peuvent que le ralentir. C’est pourquoi il est crucial de poser le bon diagnostic dans les étapes préliminaires – lorsque le premier trouble cognitif léger apparaît – et de filtrer les patients atteints d’Alzheimer2.”

Des maladies comme la maladie d’Alzheimer ou d’autres pathologies neurodégénératives ont généralement une progression très lente, ce qui rend difficile la reconnaissance et la quantification des changements pathologiques sur les images IRM cérébrales à un stade précoce. Lors de l’évaluation des scanners, certains radiologues décrivent le processus comme un processus de « conjecture », car il n’est pas toujours possible d’observer correctement les changements visuels dans l’anatomie très complexe du cerveau avec l’œil humain. C’est là que les innovations techniques telles que l’intelligence artificielle peuvent offrir un soutien dans l’interprétation des images cliniques.

L’un de ces outils est le AI-Rad Companion Brain MR3. Faisant partie d’une famille de solutions d’aide à la décision basées sur l’IA pour l’imagerie, AI-Rad Companion Brain MR est un logiciel de volumétrie cérébrale qui fournit une quantification volumétrique automatique de différents segments cérébraux. « Il est capable de les segmenter les uns des autres : il isole les hippocampes et les lobes du cerveau et quantifie les volumes de matière blanche et de matière grise pour chaque segment individuellement. » dit le Dr Papadopoulos. Au total, il a la capacité de segmenter, de mesurer des volumes et de mettre en évidence plus de 40 régions du cerveau.

Le calcul manuel des propriétés volumétriques peut être une tâche extrêmement laborieuse et chronophage. « Plus important encore, cela implique également un degré d’observation précise que les humains ne sont tout simplement pas en mesure d’atteindre. » dit le Dr Papadopoulos. Papadopoulos a toujours été un adopteur précoce et a accueilli favorablement les innovations technologiques en imagerie tout au long de sa carrière. Cet outil alimenté par l’IA signifie qu’il peut désormais également comparer les quantifications avec les données normatives d’une population en bonne santé. Et ce n’est pas qu’une question d’automatisation : le logiciel affiche les données dans un rapport structuré et génère une carte des écarts mise en évidence en fonction des paramètres de l’utilisateur. Cela permet à l’utilisateur de surveiller également les changements volumétriques manuellement avec toutes les données clés préparées automatiquement à l’avance.

Les possibilités d’observation et d’évaluation plus précises des changements volumétriques dans le cerveau encouragent Papadopoulos lorsqu’il considère l’importance de la détection précoce des maladies neurodégénératives. Il explique : « Au début, les changements volumétriques sont faibles. Dans l’hippocampe, par exemple, il y a une réduction de volume de 10 à 15 %, ce qui est très difficile à détecter pour l’œil. Mais les calculs objectifs fournis par le système pourraient s’avérer d’une grande aide.

L’objectif de l’IA est de soulager les médecins d’une charge considérable et, en fin de compte, de gagner du temps lorsqu’elle est intégrée de manière optimale dans le flux de travail. Un rôle extrêmement précieux pour cet outil de post-traitement particulier alimenté par l’IA est qu’il peut visualiser une déviation des différentes structures qui pourraient être difficiles à identifier à l’œil nu. Papadopoulos reconnaît déjà que le plus grand avantage de son travail est « le cadre objectif fourni par AI-Rad Companion Brain MR sur lequel il peut fonder son évaluation subjective lors d’un examen ».

Compagnon AI-Rad4 de Siemens Healthineers aide les cliniciens dans leur routine quotidienne de prise de décision diagnostique. Pour maintenir un flux de valeur continu, nos outils alimentés par l’IA incluent des mises à jour et des mises à niveau logicielles régulières qui sont déployées chez les clients via le cloud. Les clients peuvent décider s’ils souhaitent intégrer une approche entièrement basée sur le cloud dans leur environnement de travail en tirant parti de tous les avantages du cloud ou une approche hybride qui leur permet de traiter les données d’imagerie dans leur propre configuration informatique hospitalière.

La prochaine version logicielle d’AI-Rad Companion Brain MR contiendra de nouveaux algorithmes capables de segmenter, de quantifier et de visualiser les hyperintensités de la substance blanche (WMH). En plus des critères de McDonald, la notification de la WHM aide à l’évaluation de la sclérose en plaques (SEP).