« Nous avons vu l’IA apporter conversation et réconfort aux personnes seules ; nous avons également vu l’IA se livrer à la discrimination raciale. Pourtant, le plus grand préjudice que l’IA est susceptible de causer aux individus à court terme est le déplacement d’emplois, car la quantité de travail que nous pouvons automatiser grâce à l’IA est beaucoup plus importante qu’auparavant. En tant que dirigeants, il nous incombe à tous de nous assurer que nous construisons un monde dans lequel chaque individu a la possibilité de s’épanouir. » Andrew Ng
« Si nous agissons judicieusement, nous pourrions développer un travail qui valorise nos capacités humaines uniques, redonnant ainsi sens à notre humanité. Cette technologie pourrait être le catalyseur dont nous avons besoin pour redécouvrir notre humanité. » John Hagel.
Mor-Avi, Victor, Khandheria, Bijoy, Klempfner, Robert et al. Guide basé sur l'intelligence artificielle en temps réel pour l'imagerie échocardiographique par les novices : qualité de l'image et adéquation pour l'interprétation diagnostique et l'analyse quantitative. Circulation : imagerie cardiovasculaire. 2023;16(11):e015569. est ce que je:10.1161/CIRCIMAGING.123.015569.
Article libre d'accés
CONTEXTE
Nous avions pour objectif d'évaluer dans une étude prospective multicentrique la qualité des examens échocardiographiques effectués par des utilisateurs inexpérimentés guidés par un nouveau logiciel d'intelligence artificielle et d'évaluer leur adéquation à l'interprétation diagnostique de la pathologie cardiaque de base et à l'analyse quantitative de la chambre et de la fonction cardiaques.
MÉTHODES
Le logiciel (UltraSight, Ltd) a été intégré à un appareil d'imagerie portable (Lumify ; Philips). Six infirmières et trois résidents en médecine, ayant suivi une formation minimale, ont scanné 240 patients (61 ± 16 ans ; 63 % souffrant d'une pathologie cardiaque) dans 10 vues standard. Tous les patients ont également été scannés par des échographistes experts utilisant le même appareil, sans guidage par intelligence artificielle . Les études ont été examinées par 5 échocardiographes certifiés, aveugles à l'identité de l'imageur, qui ont évalué la capacité à évaluer la taille et la fonction des ventricules gauche et droit, l'épanchement péricardique, la morphologie valvulaire et les tailles de l'oreillette gauche et de la veine cave inférieure. Enfin, des images apicales à 4 chambres de qualité adéquate , acquises par des novices et des échographistes chez 100 patients, ont été analysées pour mesurer les volumes ventriculaires gauches, la fraction d'éjection et la déformation longitudinale globale par un lecteur expert utilisant une méthodologie conventionnelle. Les mesures ont été comparées entre les images de novices et d'experts .
RÉSULTATS
Sur les 240 études acquises par des novices , 99,2 %, 99,6 %, 92,9 % et 100 % avaient une qualité suffisante pour évaluer respectivement la taille et la fonction du ventricule gauche, la taille du ventricule droit et l'épanchement péricardique. La morphologie valvulaire, la fonction ventriculaire droite et la taille de l'oreillette gauche et de la veine cave inférieure ont été visualisées dans 67 % à 98 % des examens. Les images obtenues par des novices et des échographistes ont donné une interprétation diagnostique concordante dans 83 à 96 % des études. L'analyse quantitative était réalisable dans 83 % des images acquises par des novices et a abouti à des corrélations élevées (r≥0,74) et à de faibles biais, par rapport à celles obtenues par les échographistes.
Nous avions pour objectif d'évaluer dans une étude prospective multicentrique la qualité des examens échocardiographiques effectués par des utilisateurs inexpérimentés guidés par un nouveau logiciel d'intelligence artificielle et d'évaluer leur adéquation à l'interprétation diagnostique de la pathologie cardiaque de base et à l'analyse quantitative de la chambre et de la fonction cardiaques.
MÉTHODES
Le logiciel (UltraSight, Ltd) a été intégré à un appareil d'imagerie portable (Lumify ; Philips). Six infirmières et trois résidents en médecine, ayant suivi une formation minimale, ont scanné 240 patients (61 ± 16 ans ; 63 % souffrant d'une pathologie cardiaque) dans 10 vues standard. Tous les patients ont également été scannés par des échographistes experts utilisant le même appareil, sans guidage par intelligence artificielle . Les études ont été examinées par 5 échocardiographes certifiés, aveugles à l'identité de l'imageur, qui ont évalué la capacité à évaluer la taille et la fonction des ventricules gauche et droit, l'épanchement péricardique, la morphologie valvulaire et les tailles de l'oreillette gauche et de la veine cave inférieure. Enfin, des images apicales à 4 chambres de qualité adéquate , acquises par des novices et des échographistes chez 100 patients, ont été analysées pour mesurer les volumes ventriculaires gauches, la fraction d'éjection et la déformation longitudinale globale par un lecteur expert utilisant une méthodologie conventionnelle. Les mesures ont été comparées entre les images de novices et d'experts .
RÉSULTATS
Sur les 240 études acquises par des novices , 99,2 %, 99,6 %, 92,9 % et 100 % avaient une qualité suffisante pour évaluer respectivement la taille et la fonction du ventricule gauche, la taille du ventricule droit et l'épanchement péricardique. La morphologie valvulaire, la fonction ventriculaire droite et la taille de l'oreillette gauche et de la veine cave inférieure ont été visualisées dans 67 % à 98 % des examens. Les images obtenues par des novices et des échographistes ont donné une interprétation diagnostique concordante dans 83 à 96 % des études. L'analyse quantitative était réalisable dans 83 % des images acquises par des novices et a abouti à des corrélations élevées (r≥0,74) et à de faibles biais, par rapport à celles obtenues par les échographistes.
CONCLUSIONS
Après une formation minimale avec le logiciel de guidage en temps réel , les utilisateurs novices peuvent acquérir des images de qualité diagnostique . approchant celle des échographistes experts chez la plupart des patients. Cette technologie pourrait accroître l’adoption et améliorer la précision de l’échographie cardiaque au point d’intervention.
PERSPECTIVE CLINIQUE
Nous avons constaté qu'après une formation minimale avec le nouveau logiciel de guidage par intelligence artificielle, les utilisateurs novices peuvent acquérir des images d'une qualité diagnostique approchant celle des échographistes experts et permettant une interprétation diagnostique qualitative et une analyse quantitative. Nous pensons que cette technologie pourrait accroître l’adoption et améliorer la précision de l’échographie cardiaque au point d’intervention.
Cette étude a démontré que le nouvel algorithme d'apprentissage profond pour le guidage en temps réel de l'imagerie échographique du cœur est réalisable et que, entre les mains d'infirmières et de résidents en médecine ayant une formation minimale, il peut produire des images de qualité diagnostique similaire à celles obtenues par des échographistes experts dans le domaine. majorité des patients. Ces images permettent non seulement une évaluation qualitative de la pathologie cardiaque de base, mais également une mesure quantitative de la taille et de la fonction du VG. Cette approche peut avoir des implications importantes dans de multiples scénarios cliniques où une évaluation cardiaque immédiate est nécessaire, comme dans les sites éloignés où les services d'un laboratoire d'échocardiographie spécialisé ne sont pas facilement disponibles.
L'édito à propos de cet article :
Meucci, Maria, Delgado, Victoria, MD, PhD. Artificial Intelligence to Speed Up Training in Echocardiography: The Next Frontier.
L'intelliigence artificielle pour accélérer la formation en échocardiographie : la prochaine frontière
Circulation: Cardiovascular Imaging. 2023;16(11):e016148. doi:10.1161/CIRCIMAGING.123.016148.
Article libre d'accés
"Nous devons être prudents lorsque nous adoptons cette technologie et nos efforts doivent se concentrer sur sa mise en œuvre appropriée. Cette étude démontre la faisabilité de cette technologie dans une population sélectionnée relativement petite (n = 240), qui excluait les patients présentant de mauvaises fenêtres acoustiques connues.
Par conséquent, la technologie devrait être évaluée dans des cohortes plus larges, représentatives de la pratique clinique quotidienne.
L'étude n'a pas évalué la technologie permettant de fournir un rapport échocardiographique complet incluant l'évaluation des anomalies de mouvement de la paroi régionale du VG, de la fonction diastolique du VG et du classement des valvulopathies cardiaques. Ainsi, la technologie sera utile dans l’imagerie échographique au point d’intervention.
Il existe des algorithmes basés sur l'apprentissage profond qui peuvent potentiellement compléter ou remplacer les échographistes et les cardiologues dans l'analyse et l'interprétation des échocardiogrammes et qui sont actuellement testés pour évaluer leur faisabilité et leur précision dans de grandes cohortes issues de divers scénarios cliniques. La présente étude contribue à la démocratisation de l'échocardiographie en permettant la formation à l'acquisition de données pour un large éventail de professionnels de la santé."
IA et Duplex Carotides
Kordzadeh A, Askari A, Abbassi OA, Sanoudos N, Mohaghegh V, Shirvani H. Artificial intelligence and duplex ultrasound for detection of carotid artery disease.
Intelligence artificielle et échographie duplex pour la détection de la maladie de l'artère carotide
Vascular. 2023 Dec;31(6):1187-1193. doi: 10.1177/17085381221107465. Epub 2022 Jun 10. PMID: 35686813.
Objectif
Le but de cette étude est d'évaluer la faisabilité, l'applicabilité et l'exactitude de l'intelligence artificielle (IA) dans la détection des atteintes des carotides grâce à des images d'échographie duplex statique (DUS) en niveaux de gris.
Méthodes
Une acquisition prospective d’images d’individus subissant une échographie duplex en cas de suspicion de maladie de l’artère carotide dans un seul hôpital a été réalisée.
Un total de n = 156 images d'artères carotides normales et sténosées (basées sur les critères NASCET) ont été évaluées en utilisant un réseau de groupes géométriques basé sur l'architecture de réseau neuronal convolutif (CNN).
Les résultats ont été rapportés sur la base de la sensibilité, de la spécificité et de la précision du réseau (intelligence artificielle) pour détecter les artères carotides normales ou sténosées ainsi que diverses catégories de sténose de l'artère carotide.
Une acquisition prospective d’images d’individus subissant une échographie duplex en cas de suspicion de maladie de l’artère carotide dans un seul hôpital a été réalisée.
Un total de n = 156 images d'artères carotides normales et sténosées (basées sur les critères NASCET) ont été évaluées en utilisant un réseau de groupes géométriques basé sur l'architecture de réseau neuronal convolutif (CNN).
Les résultats ont été rapportés sur la base de la sensibilité, de la spécificité et de la précision du réseau (intelligence artificielle) pour détecter les artères carotides normales ou sténosées ainsi que diverses catégories de sténose de l'artère carotide.
Résultats
La sensibilité, la spécificité et la précision globales de l'IA dans la détection de l'artère carotide normale étaient respectivement de 91 %, 86 % et 92 %, et pour toute sténose de l'artère carotide, de 87 %, 82 % et 90 %, respectivement. Les analyses de sous-groupes ont démontré que le réseau a la capacité de détecter des images sténosées de l'artère carotide (<50 %) par rapport à la normale avec une sensibilité de 92 %, une spécificité de 87 % et une précision de 94 %. Cette valeur (sensibilité, spécificité et précision) pour le groupe de sténose de 50 à 75 % par rapport à la normale était de 84 %, 80 % et 88 % et pour les maladies de l'artère carotide de plus de 75 % était de 90 %, 83 % et 92 %, respectivement.
La sensibilité, la spécificité et la précision globales de l'IA dans la détection de l'artère carotide normale étaient respectivement de 91 %, 86 % et 92 %, et pour toute sténose de l'artère carotide, de 87 %, 82 % et 90 %, respectivement. Les analyses de sous-groupes ont démontré que le réseau a la capacité de détecter des images sténosées de l'artère carotide (<50 %) par rapport à la normale avec une sensibilité de 92 %, une spécificité de 87 % et une précision de 94 %. Cette valeur (sensibilité, spécificité et précision) pour le groupe de sténose de 50 à 75 % par rapport à la normale était de 84 %, 80 % et 88 % et pour les maladies de l'artère carotide de plus de 75 % était de 90 %, 83 % et 92 %, respectivement.
Conclusion
Cette étude démontre la faisabilité, l'applicabilité et la précision de l'intelligence artificielle dans la détection de la maladie de l'artère carotide dans les images DHS statiques en niveaux de gris. Ce réseau a le potentiel d’être utilisé comme logiciel autonome ou d’être intégré à n’importe quelle machine DUS. Cela peut améliorer la reconnaissance des maladies de l'artère carotide avec une expérience vasculaire limitée ou inexistante ou servir d'outil de stratification pour une orientation tertiaire, une imagerie plus approfondie et une prise en charge globale.
Cette étude démontre la faisabilité, l'applicabilité et la précision de l'intelligence artificielle dans la détection de la maladie de l'artère carotide dans les images DHS statiques en niveaux de gris. Ce réseau a le potentiel d’être utilisé comme logiciel autonome ou d’être intégré à n’importe quelle machine DUS. Cela peut améliorer la reconnaissance des maladies de l'artère carotide avec une expérience vasculaire limitée ou inexistante ou servir d'outil de stratification pour une orientation tertiaire, une imagerie plus approfondie et une prise en charge globale.
"Le plus grand avantage de l'IA réside dans le fait de passer d'une analyse qualitative (dépendante de l'opérateur) à une approche quantitative et basée sur les données pour détecter la sténose de l'artère carotide", a déclaré Kordzadeh, s'adressant à NeuroNews après la publication de ces résultats. « L'IA a le potentiel de réduire considérablement les erreurs humaines grâce à un flux de données continu qui continue d'évoluer pour une meilleure précision, même dans la détection d'une plaque stable ou instable en plus de la sténose de l'artère carotide. Cela améliore la reconnaissance des maladies de l'artère carotide en temps opportun, ce qui entraîne une prise en charge rapide et une réduction de la mortalité et de la morbidité associées aux accidents ischémiques transitoires ou aux accidents vasculaires cérébraux dans le territoire de l'artère carotide."
https://neuronewsinternational.com/ai-demonstrates-potential-to-detect-carotid-artery-disease-on-duplex-ultrasound/
Commentaire
L'IA accélère les processus d'apprentissage des ultrasons en général , ici les applications vasculaires.
Cette interaction est très importante à 2 niveaux :
* Apprentissage plus rapide des étudiants, des médecins et des para médicaux, IPA notamment
* Au-delà de ce point, l'IA devrait développer des techniques de mesures automatisées plus précises avec un parternariat triple : médecins, ingénieurs ultrasons et ingénieur IA
Nous n'en sommes pas encore là, mais il est nécessaire que la Médedine Vasculaire prenne conscience de tout cela. Sinon c'est d'autres qui le feront
Le compte à rebours débute avec cet article, acyualisation chaque mois