McBane RD 2nd, Murphree DH, Liedl D, Lopez-Jimenez F, Arruda-Olson A, Scott CG, Prodduturi N, Nowakowski SE, Rooke TW, Casanegra AI, Wysokinski WE, Houghton DE, Muthusamy K, Wennberg PW. Artificial intelligence of arterial Doppler waveforms to predict major adverse outcomes among patients with diabetes mellitus.
Intelligence artificielle des formes d'onde Doppler artérielles pour prédire les conséquences indésirables majeures chez les patients atteints de diabète sucré
J Vasc Surg. 2024 Jul;80(1):251-259.e3. doi: 10.1016/j.jvs.2024.02.024. Epub 2024 Feb 28. PMID: 38417709.https://pubmed.ncbi.nlm.nih.gov/38417709/
Objectif :
Les patients atteints de diabète sucré (DM) courent un risque accru de maladie artérielle périphérique (MAP) et de ses complications.
La calcification artérielle et la non-compressibilité peuvent limiter l'interprétation des tests dans cette population.
Développer des outils capables d'identifier l'AOMI et de prédire les résultats des événements cardiaques indésirables majeurs (MACE) et des événements de membre (MALE) chez les patients atteints de diabète serait cliniquement utile.
Une analyse approfondie du réseau neuronal des formes d'onde artérielles Doppler au repos a été utilisée pour détecter l'AOMI chez les patients atteints de diabète et pour identifier ceux présentant le plus grand risque d'événements indésirables majeurs.
Méthodes
Des patients consécutifs atteints de diabète subissant des tests artériels des membres inférieurs (du 1er avril 2015 au 30 décembre 2020) ont été répartis au hasard dans des sous-ensembles de formation, de validation et de tests (60 %, 20 % et 20 %). Des réseaux neuronaux profonds ont été formés sur des formes d'onde Doppler artérielle tibiale postérieure au repos pour prédire la mortalité toutes causes confondues, MACE et MALE à 5 ans en utilisant des quartiles basés sur la distribution du score de prédiction.
Résultats
Parmi un total de 11 384 patients, 4 211 patients atteints de diabète répondaient aux critères de l'étude (âge moyen, 68,6 ± 11,9 ans ; 32,0 % de femmes). Après avoir attribué les sous-ensembles de formation et de validation, le sous-ensemble de test final comprenait 856 patients. Au cours du suivi, il y a eu 262 décès, 319 MACE et 99 HOMMES. Les patients du quartile supérieur de prédiction basée sur une analyse approfondie du réseau neuronal de la forme d'onde de l'artère tibiale postérieure ont fourni une prédiction indépendante du décès (rapport de risque [HR], 3,58 ; intervalle de confiance [IC] à 95 %, 2,31-5,56), MACE (HR, 2,06 ; IC à 95 %, 1,49-2,91) et HOMME (HR, 13,50 ; IC à 95 %, 5,83-31,27).
Conclusions
Une analyse par intelligence artificielle d'une forme d'onde artérielle Doppler (continu) au repos permet d'identifier les principaux résultats indésirables, notamment la mortalité toutes causes confondues, le MACE et le MALE chez les patients atteints de diabète.
Points forts de l'article
- Type de recherche
- Étude de cohorte rétrospective monocentrique
Principales conclusions
-
L'analyse par intelligence artificielle (IA) de la forme d'onde de l'artère tibiale postérieure identifie la maladie artérielle périphérique (MAP) chez les patients diabétiques. L'analyse par IA de la forme d'onde de l'artère tibiale postérieure identifie les patients diabétiques présentant un risque accru d'événements indésirables cardiaques et de membres majeurs et de mortalité toutes causes confondues à 1 et 5 ans.
Message à retenir
-
Bien que les directives sociétales recommandent le dépistage de l'AOMI chez les patients diabétiques, près d'un tiers ont des vaisseaux non compressibles, ce qui empêche l'interprétation de l'index cheville-brachial. L'évaluation de l'indice brachial des orteils, le dépistage PAD de référence pour les patients diabétiques, nécessite un équipement spécial et un laboratoire vasculaire formel, qui ne sont pas facilement accessibles pour de nombreux praticiens et patients. L'analyse par IA de la forme d'onde Doppler tibiale postérieure constitue une alternative utile aux mesures de l'indice orteil-brachial, non seulement pour l'identification de l'AOMI, mais également pour la prédiction des résultats concrets pertinents chez les patients diabétiques.
![1 s2.0 S0741521424004014 gr1 lrg](/images/2023/1-s2.0-S0741521424004014-gr1_lrg.jpg)
![1 s2.0 S0741521424004014 gr2 lrg](/images/2023/1-s2.0-S0741521424004014-gr2_lrg.jpg)
Performance du modèle pour les taux de mortalité toutes causes confondues sur 5 ans. Les patients ont été divisés en quartiles en fonction de la distribution du score de prédiction tiré de l'ensemble d'entraînement. Deux cent quarante patients sont décédés au cours des 5 années de suivi. Des graphiques de survie divisés par quartile de risque sont présentés pour les sous-ensembles train (A) , validation (B) et test (C) . IC , intervalle de confiance ; C-index , index de concordance ; HR , rapport de risque.
![1 s2.0 S0741521424004014 gr3](/images/2023/1-s2.0-S0741521424004014-gr3.jpg)
Performance du modèle pour les événements cardiaques indésirables majeurs ( MACE ) et les événements indésirables majeurs au niveau des membres ( MALE ) à 5 ans. Les résultats sur 5 ans sont fournis pour MACE (A) , MALE (B) et les événements indésirables majeurs combinés (MACE plus MALE) (C) . IC , intervalle de confiance ; C-index , index de concordance ; HR , rapport de risque.
![1 s2.0 S0741521424004014 gr4](/images/2023/1-s2.0-S0741521424004014-gr4.jpg)
Courbe des caractéristiques de fonctionnement du récepteur (ROC) pour l'indice brachial des orteils (TBI). Des courbes ROC ont été générées pour discriminer les patients atteints de maladie artérielle périphérique (MAP) sur la base de TBI normaux et anormaux. En utilisant le seuil de probabilité optimal (Youden) de 0,5, la sensibilité de l'ensemble de test est de 0,82 et la spécificité est de 0,70. L'aire sous la courbe ROC (AUC) était de 0,86.
En conclusion, une analyse basée sur l'IA d'une forme d'onde artérielle Doppler au repos permet d'identifier l'AOMI chez les patients atteints de diabète par rapport aux normes ABI et TBI. De plus, cette analyse de l'IA semble identifier les patients atteints de diabète présentant un risque d'effets indésirables majeurs, notamment la mortalité toutes causes confondues, le MACE et le MALE. D'autres études sont nécessaires pour valider prospectivement les performances du modèle parmi une cohorte plus large de patients atteints de diabète.
Matériel utilisé
![matpark](/images/2023/matpark.png)
https://www.parksmed.com/products/flolab/
Description des méthodes d'intelligence artificielle
L'algorithme de redistribution vers le bon (RTTR) 38 attribue différents niveaux d'importance ou « poids » à chaque variable de patient, de telle sorte que l'influence de la variable spécifique soit ajustée au fil du temps. Plus précisément, chaque sujet a reçu un poids pour chaque résultat, et l'ensemble de données de développement du modèle a répliqué les patients proportionnellement au poids RTTR pour cette analyse particulière.
La formation du modèle comprenait également une analyse améliorée par l'intelligence artificielle de la forme d'onde Doppler artérielle tibiale postérieure au repos pour distinguer les patients atteints d'une maladie artérielle périphérique de ceux sans maladie artérielle périphérique définie par les résultats des tests d'index orteil-brachial (TBI). Pour être qualifié de normal, le TBI devait être >0,70 aux deux extrémités. Ce seuil était basé sur des critères indicatifs. Cette analyse a été réalisée sur tous les patients avec une évaluation TBI quel que soit leur statut diabétique. L'ensemble de données global a été divisé en sous-ensembles, train (n = 4 021 ; 60 %), validation (n = 1 006 ; 20 %) et test (n = 1 006 ; 20 %) via un échantillonnage aléatoire stratifié par résultats. Les groupes ont ensuite été sous-groupés en personnes atteintes de diabète.
Une variété d'architectures de réseaux neuronaux profonds ont été explorées comme défini précédemment. Des classificateurs binaires basés sur les formes d'onde Doppler au repos ont été utilisés pour prédire des résultats concrets. La mise à l'échelle des caractéristiques des données Doppler d'entrée a été réalisée en divisant par 128. Tous les modèles utilisés étaient des réseaux neuronaux alambiqués unidimensionnels avec une architecture InceptionTime. données Doppler des artères tibiales postérieures gauche et droite ont été introduites dans le réseau InceptionTime, et les sorties antérieures à la couche de regroupement moyenne globale finale ont été fusionnées par simple ajout, puis transmises à une couche de sortie entièrement connectée. La fonction d'activation de tous les neurones était l'unité linéaire rectifiée. La fonction softmax a été utilisée comme fonction d'activation de la couche de sortie. La formation a été effectuée en minimisant la perte d'entropie croisée binaire, avec des poids des couches InceptionTime et de sortie finale mis à jour à chaque passage. Un lot de 64 échantillons a été utilisé et les modèles ont été formés pour 100 époques. Les meilleurs poids de modèle issus des points de contrôle ont été choisis en fonction de la perte de validation. Des pondérations de classe ont été introduites pour remédier au déséquilibre entre les classes (pondérations inversement proportionnelles à la fréquence des classes). Des hyperparamètres supplémentaires tels que l'abandon et le taux d'apprentissage ont également été optimisés à l'aide d'une recherche par grille.
Analyse par le Professeur Michel Dauzat
Professeur émérite - Université de Montpellier - UFR de Médecine de Montpellier-Nîmes
L'intelligence artificielle pour la prédiction des événement indésirables majeurs à partir des signaux Doppler artériels chez des patients diabétiques.
Les auteurs sont issus du Centre Vasculaire Gonda et des départements de pathologie
cardiovasculaire, endocrinologie, informatique et intelligence artificielle, et sciences quantitatives de la santé de la Mayo Clinic à Rochester.
Les auteurs ont exploité les données cliniques et signaux Doppler de 4211 patients diabétiques d'unâge moyen 68,6 ± 11,9 ans, examinés entre le 01/04/2015 et le 31/12/2020 dans leur laboratoire d'exploration vasculaire.
chez 67%, une coronaropathie chez 32%, une insuffisance cardiaque chez 30%, une fibrillation atriale chez 26%, et une insuffisance rénale chronique chez 32%. L'indice de comorbidité de Charlson était de 5.8 ± 3.3, caractérisant donc une population à risque global élevé.
Les signaux Doppler enregistrés au Doppler à émission continue sur l'artère tibiale postérieure et l' artère dorsale du pied des deux côtés avaient été numérisés et archivés, tandis que l'indice de pression systolique orteil / bras (TBI) avait été déterminé à l'aide d'un capteur photopléthysmographique.
Les signaux Doppler du membre inférieur droit et du membre inférieur gauche étaient combinés puis introduits dans un réseau de neurones pour analyse en fonction des événements cliniques éventuels. Les données de 2524 (60%) des 4211 patients inclus ont été utilisés pour la phase d'apprentissage du réseau de neurones, aboutissant à la détermination de scores de prédiction d'évènements indésirables majeurs. Ces scores ont été validés sur les données de 831 (20%) autres patients, puis testés sur les 856 derniers en observant la survenue d'évènements au cours du temps pour chaque quartile de distribution des scores.
Dans le groupe test, pendant les 5 années de suivi, 240 décès ont été observés. La mortalité était de 22% dans le premier quartile du score et 57% dans le quatrième quartile où le rapport de risque (HR) était de 2,75 après ajustement sur l'âge, le sexe, et l'ndice de Charlson. Ont été comptabilisés dans ce groupe test 311 ECVM avec un taux de 39% dans le premier quartile du score et 73% dans le quatrième quartile où le HR était de 1,73. Un EVMM est survenu chez 98 patients avec un taux de 8% dans le premier quartile du score et 58% dans le quatrième quartile où le HR atteignait 12,28. Ces résultats étaient conservés lorsque l'indice de pression systolique cheville / bras était pris en compte
dans le modèle. L'analyse portant sur l'indice de pression systolique orteil / bras (TBI) a été réalisés chez 6033 patients diabétiques ou non. Chez les 1006 patients du groupe de validation, Le score prédictif fondé sur les signaux Doppler de l'artère tibiale postérieure permettait d'identifier une artériopathie périphérique, définie par un TBIà 0,70, avec une sensibilité de 82% et une spécificité de 69%.
La première application qu'ils envisagent est le dépistage, arguant du fait que le TBI, bien que reconnu comme l'outil de référence dans cette population où les erreurs de mesure de l'indice cheville / bras (ABI) sont fréquente du fait de la médiacalcose, reste de mesure délicate et implique un personnel spécifiquement formé. Certes, disent-ils, un ABI de 1,4 suggère l'existence de cette médiacalcose, mais n'apporte pas d'argument pronostique. L';analyse par l'intelligence artificielle des signaux Doppler de l'artère tibiale postérieure pourrait donc offrir une alternative non seulement diagnostique de l'artériopathie, mais aussi pronostique dans cette population à haut risque et fort
taux de comorbidités.
qu'il s'agit d'une étude rétrospective (sur des données archivées).
Commentaires :
L'intelligence artificielle fait partie des sujets à la mode, en médecine comme dans tous les autres domaines (en médecine, l'autre tête d'affiche étant le microbiote intestinal !).
L'intelligence artificielle n'a de valeur que celle des données (ou informations) dont on l'alimente.
quotidiennement les multiples outils d'exploration vasculaire à leur disposition savent que chacun a ses écueils, ses limites, et ses pièges. C'est la raison pour laquelle ils adaptent leur parcours diagnostique à chaque cas particulier, en se guidant sur la clinique et en ayant recours à l'indice de pression systolique à la cheville ou à l'orteil en fonction d'un contexte vasculaire qu'ils appréhendent en s'aidant du Doppler mais aussi de l' échographie, et en faisant appel à d'autres outils (par exemple la TcPO 2 ) en cas de discordance.
Voilà encore une illustration de la différence fondamentale d'approche entre les U.S.A. (entre autres pays) et la France : ici, ce sont des médecins vasculaires qui réalisent eux-mêmes les explorations en fonction du tableau clinique – là-bas, ce sont des techniciens spécialisés qui les pratiquent de façon très protocolisée.
La logique économique est tout aussi différente si l'on considère le coût de chaque exploration de part et d'autre de l'Atlantique.
Reste que le dépistage de l'artériopathie est un objectif légitime. L'indice de pression systolique à l'orteil est réalisable à grande échelle avec des outils automatisés dont le maniement nécessite un apprentissage mais qui sont tout à fait utilisables dans les centres de dépistage comme par les praticiens concernés par la pathologie vasculaire. Il n'est donc pas certain ce soit dans ce domaine que l'intelligence artificielle apporte les progrès les plus décisifs.
MERCI MIchel !
Commentaire : le cas de l'artériopathie chez le diabétique est particulière car c'est une association à très haut risque CV . On le sait et on agit chez ces patients en tenant compte de ce concept. Que l'IA à partir d'un profil vélocimètrique de l'artère tibiale postérieure est elle si intéressante que cela. Ces patients sont en plus des polyvasculoaire donc à pronostic sévère. Nous avons donc toutes les données par la clinique et l'écho-Doppler. L'IA pourrait être pertinente dans le dépistage précoce de l'AOMI chez le diabétique à l'état infra clinique afin de stratifier le risque CV et si on peut le faire à partir de l'artère tibiale postérieure, ce serait parfait pour les patients ! Cette IA dans un centre de dépistage : OUI ! si elle est capable d'une détection précoce !