“Si, marchant dans la forêt, tu rencontres deux fois le même arbre, c'est que tu es perdu.” Les Proverbes du Panda
"On dit que ma beauté est intérieure. Mon cerveau, mon estomac et mon pancréas doivent être très jolis!" Philippe Geluck, Le tour du chat en 365 jours
"On dit que ma beauté est intérieure. Mon cerveau, mon estomac et mon pancréas doivent être très jolis!" Philippe Geluck, Le tour du chat en 365 jours
Cao, K., Xia, Y., Yao, J. et al. Large-scale pancreatic cancer detection via non-contrast CT and deep learning.
Détection du cancer du pancréas à grande échelle par tomodensitométrie sans contraste et apprentissage profond
Nat Med (2023). https://doi.org/10.1038/s41591-023-02640-w
Article libre d'accés
L'adénocarcinome canalaire pancréatique (PDAC), la tumeur maligne solide la plus mortelle, est généralement détecté tardivement et à un stade inopérable.
La détection précoce ou accidentelle est associée à une survie prolongée, mais le dépistage de la PDAC chez les individus asymptomatiques à l’aide d’un seul test reste irréalisable en raison de la faible prévalence et des méfaits potentiels des faux positifs
.La tomodensitométrie (TDM) sans contraste, couramment réalisée pour des indications cliniques, offre la possibilité d'un dépistage à grande échelle. Cependant, l'identification de la PDAC à l'aide de la tomodensitométrie sans contraste a longtemps été considérée comme impossible.
Ici, nous développons une approche d'apprentissage profond, la détection du cancer du pancréas avec intelligence artificielle (PANDA), qui peut détecter et classer les lésions pancréatiques avec une grande précision via une tomodensitométrie sans contraste.
PANDA est formé sur un ensemble de données de 3 208 patients provenant d’un seul centre. PANDA atteint une aire sous la courbe caractéristique de fonctionnement du récepteur (ASC) de 0,986 à 0,996 pour la détection des lésions dans une validation multicentrique impliquant 6 239 patients répartis dans 10 centres, surpasse la performance moyenne des radiologues de 34,1 % en sensibilité et de 6,3 % en spécificité pour l'identification PDAC, et atteint une sensibilité de 92,9 % et une spécificité de 99,9 % pour la détection des lésions dans une validation multi-scénarios réels comprenant 20 530 patients consécutifs.
Notamment, PANDA utilisé avec une tomodensitométrie sans contraste montre une non-infériorité par rapport aux rapports de radiologie (utilisant une tomodensitométrie avec contraste amélioré) dans la différenciation des sous-types courants de lésions pancréatiques. PANDA pourrait potentiellement servir de nouvel outil pour le dépistage du cancer du pancréas à grande échelle.
Développement de modèles. PANDA prend la tomodensitométrie sans contraste comme entrée et génère la probabilité et le masque de segmentation d'éventuelles lésions pancréatiques, y compris PDAC et sept sous-types non PDAC ; PANDA a été formé avec des étiquettes au niveau du patient confirmées par la pathologie et des masques de lésions annotés sur des images CT contrastées. CP, pancréatite chronique. b , Évaluation du modèle. Nous évaluons les performances de PANDA sur la cohorte de tests internes, deux études de lecteurs (sur la tomodensitométrie sans contraste et avec contraste, respectivement), des cohortes de tests externes composées de neuf centres, une cohorte de tomodensitométrie thoracique et des études multi-scénarios réelles (le l'essai clinique comprend deux études réelles ; chictr.org.cn, ChiCTR2200064645). c , Traduction clinique du modèle. L'évaluation clinique du monde réel répond à cinq questions cruciales pour combler l'écart translationnel clinique pour PANDA.
Comparaison entre PANDA et 33 lecteurs avec différents niveaux d'expertise en tomodensitométrie sans contraste pour la détection des lésions. b , Performances de détection des lésions du même ensemble de lecteurs avec l'aide de PANDA sur CT sans contraste. c , Comparaison entre PANDA utilisant une tomodensitométrie sans contraste et 15 spécialistes du pancréas utilisant une tomodensitométrie avec contraste amélioré pour la détection des lésions. d , e , Amélioration équilibrée de la précision chez les radiologues avec différents niveaux d'expertise pour la détection des lésions ( d ) et l'identification PDAC ( e ). f , Exemples de PDAC à un stade précoce et d'un cas de pancréatite auto-immune (AIP) manqués par les lecteurs sur la tomodensitométrie sans contraste et sur la tomodensitométrie avec contraste mais détectés par PANDA.
Comparaison entre PANDA et 33 lecteurs avec différents niveaux d'expertise en tomodensitométrie sans contraste pour la détection des lésions. b , Performances de détection des lésions du même ensemble de lecteurs avec l'aide de PANDA sur CT sans contraste. c , Comparaison entre PANDA utilisant une tomodensitométrie sans contraste et 15 spécialistes du pancréas utilisant une tomodensitométrie avec contraste amélioré pour la détection des lésions. d , e , Amélioration équilibrée de la précision chez les radiologues avec différents niveaux d'expertise pour la détection des lésions ( d ) et l'identification PDAC ( e ). f , Exemples de PDAC à un stade précoce et d'un cas de pancréatite auto-immune (AIP) manqués par les lecteurs sur la tomodensitométrie sans contraste et sur la tomodensitométrie avec contraste mais détectés par PANDA.
Diagramme schématique de la proportion de la lésion pancréatique scannée en tomodensitométrie thoracique sans contraste. Nous classons tous les cas en trois catégories, à savoir lésion non scannée, lésion partiellement scannée et lésion entièrement scannée, en fonction de la position relative de la tranche scannée la plus basse et de la lésion. b , La proportion des trois catégories dans les cas PDAC et non-PDAC. c , courbe ROC de détection des lésions sur scanner thoracique sans contraste. d , Proportion de lésions détectées par PANDA dans les cas PDAC ( n = 63) et non-PDAC ( n = 51). Les barres d'erreur indiquent un IC à 95 %. Le centre affiche la moyenne calculée de la métrique spécifiée par les étiquettes des axes respectifs. Les résultats des sous-groupes avec trop peu d'échantillons pour être étudiés de manière fiable (≤10) sont omis et marqués « n/a ». e , Illustration de la façon dont PANDA peut détecter des lésions qui ne sont pas scannées en tomodensitométrie thoracique. Deux scans du même patient montrant que PANDA peut détecter une dilatation du canal pancréatique (généralement causée par la PDAC) même lorsque le PDAC n'est pas scanné. f , PANDA peut détecter les PDAC à un stade précoce et les cancers métastatiques initialement mal détectés par les radiologues lors de la tomodensitométrie thoracique sans contraste (CT de prévention COVID-19).
Commentaire
Commentaire
Etude assez extraordinaire qui nous montre l'impact de l'IA sur la détection du cancer du pancréas avec un scanner non injecté et de l'IA. Grâce à l'IA cette imagerie surpasse la performance moyenne des radiologues de 34,1 % en sensibilité et de 6,3 % en spécificité pour l'identification PDAC, et atteint une sensibilité de 92,9 % et une spécificité de 99,9 % pour la détection des lésions dans une validation multi-scénarios réels comprenant 20 530 patients consécutifs. L'IA réalise un score gagnant pour les patients. Je ne rentrerai pas dans le détail de cette étude,je ne posséde pas le "bagage IA complet". Par contre une fois de plus le rôle de l'IA est ici très importante, elle amplifie nos capacités de dépistage précoce du cancer du pancréas avec de plus un scanner non injecté et demain à basse énergie. Ce sont les patients qui bénéficeront le plus de l'IA médecine, ne l'oublions pas .
Les antis-IA se trompent de combat mais ça on le sait depuis longtemps.
L' IA c'est aussi ça : business lucratif ........ou développement éthique ?
IA et dessins de presse , détente
Les antis-IA se trompent de combat mais ça on le sait depuis longtemps.
L' IA c'est aussi ça : business lucratif ........ou développement éthique ?
IA et dessins de presse , détente
