Faire la distinction entre diverticulite aiguë et carcinome du côlon : le rôle de l’IA dans le diagnostic

• Les examens d’imagerie de routine par TDM ne sont pas très précis pour faire la distinction entre la DA et le CC en raison du chevauchement de leurs caractéristiques, comme un épaississement de la paroi intestinale. Des études antérieures avaient montré que la TDM a une sensibilité de 40 % à 95,5 % et une spécificité de 66 % à 93,3 % pour faire la distinction entre CC et DA.
• Les résultats suggèrent que l’assistance par IA pour la TDM améliore la précision diagnostique des radiologues, ce qui pourrait à son tour améliorer le traitement et les soins des patients.

Méthodologie

• Une étude de cohorte rétrospective et monocentrique s’est appuyée sur les dossiers médicaux de 585 patients faisant l’objet d’une chirurgie pour cause de DA ou de CC à l’Université technique de Munich entre 2005 et 2020.
• Un ensemble de test de l’IA a été développé à l’aide de cadres de délimitation 3D qui incluaient le segment d’intestin malade et le mésentère environnant pour un examen manuel et pathologique.
• L’ensemble de test de l’IA a produit un réseau neuronal convolutionnel 3D qui a ensuite été utilisé comme système d’assistance par IA pour les radiologues lisant des images TDM.
• Une étude sur l’interprétation des résultats par des lecteurs menée auprès de 10 radiologues (radiologues agréés et résidents en radiologie) a été conduite avec et sans l’utilisation du système d’assistance par IA pour les aider à distinguer la DA du CC.
• Critères d’évaluation principaux : la sensibilité et la spécificité, la valeur prédictive négative et la valeur prédictive positive du système d’assistance par IA par rapport à son absence, pour faire la distinction entre DA et CC.
• Financement : Ligue allemande de lutte contre le cancer ; autres.

Principaux résultats

• Sur les 585 patients, 267 étaient atteints d’une DA et 318 d’un CC.
• L’ensemble de test de l’IA avait une sensibilité de 83,3 % et une spécificité de 86,6 %.
• L’étude sur l’interprétation des résultats par des lecteurs en radiologie a révélé que l’aide de l’IA, par rapport à son absence, a amélioré la précision diagnostique :
  • la sensibilité a augmenté de 77,6 % à 85,6 % ; P < 0,001.
  • la spécificité a augmenté de 81,6 % à 91,3 % ; P < 0,001.
  • la valeur prédictive négative a augmenté de 78,5 % à 86,4 % ; P < 0,001 ;
  • la valeur prédictive positive a augmenté de 80,9 % à 90,8 % ; P < 0,001.

Limites

• L’étude était monocentrique.
• La méthodologie de l’étude était rétrospective et observationnelle.