La détection précoce de l’arthrite est désormais possible grâce à l’intelligence artificielle

Une nouvelle étude révèle que l’utilisation de l’intelligence artificielle pourrait permettre aux scientifiques de détecter l’arthrite plus tôt.

Le réseau neuronal apprend à différencier les os sains des os enflammés à l’aide des articulations des doigts.

Les chercheurs ont pu apprendre aux réseaux de neurones de l’intelligence artificielle à faire la distinction entre deux types différents d’arthrite et des articulations saines. Le réseau de neurones a pu détecter 82 % des articulations saines et 75 % des cas de polyarthrite rhumatoïde. Combinée à l’expertise d’un médecin, elle pourrait conduire à des diagnostics beaucoup plus précis. Les chercheurs prévoient d’approfondir cette approche dans un autre projet.

Cette percée d’une équipe de médecins et d’informaticiens a été publiée dans la revue Frontières en médecine.

Il existe de nombreuses variétés d’arthrite et il peut être difficile de déterminer quel type de maladie inflammatoire affecte les articulations d’un patient. Des informaticiens et des cliniciens de la Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) et de l’Universitätsklinikum Erlangen ont maintenant enseigné aux réseaux de neurones artificiels à faire la distinction entre la polyarthrite rhumatoïde, le rhumatisme psoriasique et les articulations saines dans le cadre d’un effort de recherche interdisciplinaire.

Dans le cadre du projet financé par le BMBF “Caractérisation moléculaire de la rémission de l’arthrite (MASCARA)”, une équipe dirigée par le professeur Andreas Maier et Lukas Folle de la chaire d’informatique 5 (reconnaissance de formes) et le PD Dr Arnd Kleyer et le professeur Le Dr Georg Schett du Département de médecine 3 de l’Universitätsklinikum Erlangen a été chargé d’étudier les questions suivantes : L’intelligence artificielle (IA) peut-elle reconnaître différentes formes d’arthrite en fonction des formes des articulations ? Cette stratégie est-elle utile pour établir des diagnostics plus précis de l’arthrite indifférenciée ? Y a-t-il une partie de l’articulation qui doit être inspectée plus attentivement lors d’un diagnostic ?

Actuellement, le manque de biomarqueurs rend difficile la catégorisation correcte de la forme d’arthrite pertinente. Les images radiographiques utilisées pour l’aide au diagnostic ne sont pas non plus complètement fiables, car leur bidimensionnalité est insuffisamment précise et laisse place à l’interprétation. Cela ajoute au défi de positionner l’articulation sous examen pour l’imagerie par rayons X.

Les réseaux artificiels apprennent en utilisant les articulations des doigts

Pour trouver les réponses à leurs questions, l’équipe de recherche a concentré ses investigations sur les articulations métacarpo-phalangiennes des doigts, des régions du corps très souvent touchées précocement chez les patients atteints de maladies auto-immunes telles que la polyarthrite rhumatoïde ou le rhumatisme psoriasique. Un réseau de neurones artificiels a été formé à l’aide de tomodensitométries quantitatives périphériques à haute résolution (HR-pQCT) dans le but de différencier les articulations «saines» de celles de patients atteints de polyarthrite rhumatoïde ou psoriasique.

HR-pQCT a été sélectionné car il s’agit actuellement de la meilleure méthode quantitative pour produire des images tridimensionnelles d’os humains à la plus haute résolution. Dans le cas de l’arthrite, les modifications de la structure des os peuvent être détectées de manière très précise, ce qui permet une classification précise.

Les réseaux de neurones pourraient rendre possible un traitement plus ciblé

Un total de 932 nouveaux scans HR-pQCT de 611 patients ont ensuite été utilisés pour vérifier si le réseau artificiel peut réellement mettre en œuvre ce qu’il a appris : peut-il fournir une évaluation correcte des articulations des doigts précédemment classées ?

Les résultats ont montré que l’IA a détecté 82 % des articulations saines, 75 % des cas de polyarthrite rhumatoïde et 68 % des cas de rhumatisme psoriasique, ce qui représente une probabilité de réussite très élevée sans plus d’informations. Combinée à l’expertise d’un rhumatologue, elle pourrait conduire à des diagnostics beaucoup plus précis. De plus, lorsque des cas d’arthrite indifférenciée sont survenus, le réseau a pu les classer correctement.

« Nous sommes très satisfaits des résultats de l’étude car ils montrent que l’intelligence artificielle peut nous aider à classer plus facilement l’arthrite, ce qui pourrait conduire à un traitement plus rapide et plus ciblé pour les patients. Cependant, nous sommes conscients du fait qu’il existe d’autres catégories qui doivent être intégrées au réseau. Nous envisageons également de transférer la méthode de l’IA vers d’autres méthodes d’imagerie, comme l’échographie ou l’IRM, qui sont plus largement disponibles », explique Lukas Folle.

Les hotspots pourraient conduire à des diagnostics plus rapides

Bien que l’équipe de recherche ait pu utiliser la tomodensitométrie à haute résolution, ce type d’imagerie est rarement disponible pour les cliniciens dans des circonstances normales en raison des contraintes d’espace et de coût. Cependant, ces nouvelles découvertes sont toujours utiles car le réseau neuronal a détecté certaines zones des articulations qui fournissent le plus d’informations sur un type spécifique d’arthrite connu sous le nom de points chauds intra-articulaires. “À l’avenir, cela pourrait signifier que les cliniciens pourraient utiliser ces zones comme une pièce supplémentaire du puzzle diagnostique pour confirmer les cas suspects”, explique le Dr Kleyer. Cela permettrait d’économiser du temps et des efforts lors du diagnostic et est en fait déjà possible par échographie, par exemple. Kleyer et Maier prévoient d’approfondir cette approche dans un autre projet avec leurs groupes de recherche.

Référence : “Classification de l’arthrite inflammatoire basée sur l’apprentissage en profondeur en identifiant les modèles de forme des articulations : comment les réseaux de neurones peuvent nous dire où “plonger profondément” cliniquement” par Lukas Folle, David Simon, Koray Tascilar, Gerhard Krönke, Anna-Maria Liphardt, Andreas Maier, Georg Schett et Arnd Kleyer, 10 mars 2022, Frontières en médecine.
DOI : 10.3389/fmed.2022.850552

Add Comment