Un nouveau système d'IA peut évaluer avec précision les résultats endoscopiques de la colite ulcéreuse

Évaluations des patients atteints de rectocolite hémorragique (CU), qui est un type de maladie intestinale inflammatoire, sont généralement réalisées par endoscopie et histologie. Mais maintenant, des chercheurs du Japon ont développé un système qui peut être plus précis que les méthodes existantes et peut réduire la nécessité pour ces patients de subir des procédures médicales invasives.

Dans une étude publiée en février dans Gastroentérologie , Des chercheurs de l'Université médicale et dentaire de Tokyo (TMDU) ont révélé un nouveau système d'intelligence artificielle (IA) capable d'évaluer les résultats endoscopiques de la CU avec une précision équivalente à celle des endoscopistes experts.

Des évaluations précises sont essentielles pour fournir des soins optimaux aux patients atteints de CU. Des études antérieures ont indiqué que la rémission endoscopique, évalué via l'évaluation de la procédure endoscopique, et la rémission histologique, comme indiqué par le degré d'inflammation microscopique, peut prédire les résultats pour les patients, et sont donc fréquemment utilisés comme objectifs de traitement. Cependant, des variations intra- et inter-observateurs se produisent à la fois dans les analyses endoscopiques et histologiques, et l'analyse histologique nécessite fréquemment le prélèvement de tissus via des biopsies, qui sont envahissantes et coûteuses.

L'interprétation des images endoscopiques est subjective et basée sur l'expérience des endoscopistes individuels, rendant ainsi difficile la standardisation de l'évaluation et de la caractérisation en temps réel. Pour remédier à ce, nous avons cherché à développer un système de réseau de neurones profonds (DNN) pour une cohérence, objectif, et l'analyse en temps réel d'images endoscopiques de patients atteints de CU (DNUC)."

Kento Takenaka, auteur principal de l'étude

Pour faire ça, les chercheurs ont développé un système avec des DNN pour évaluer les images endoscopiques de patients atteints de CU. Les DNN sont un type de méthode d'apprentissage automatique basée sur la construction de réseaux de neurones artificiels.

"Nous avons construit l'algorithme DNUC, en utilisant 40, 758 images de coloscopies et 6885 résultats de biopsie de 2012 patients atteints de CU, ", explique l'auteur principal Mamoru Watanabe. "Cela comprenait l'ensemble de formation pour l'apprentissage automatique, qui a permis à l'algorithme d'apprendre à évaluer et à classer avec précision les données".

Les chercheurs ont ensuite validé l'exactitude de l'algorithme DNUC en utilisant 4187 images endoscopiques et 4104 échantillons de biopsie provenant de 875 patients atteints de CU.

"Nous avons constaté que le DNUC atteignait un niveau de précision équivalent à celui des endoscopistes experts, " dit Takenaka. " Ainsi, notre système a pu prédire la rémission histologique de la RCH en utilisant uniquement des images endoscopiques, contrairement aux données histologiques et endoscopiques. Cela représente un développement important compte tenu des coûts et des risques associés aux biopsies. »

Le DNUC peut être en mesure d'identifier les patients atteints de CU qui sont en rémission sans les obliger à subir une biopsie et une analyse. Cela pourrait faire gagner du temps et de l'argent aux établissements médicaux, et limiter l'exposition aux procédures médicales invasives pour les personnes atteintes de CU.

• Les bactéries intestinales peuvent augmenter l'efficacité de l'immunothérapie anticancéreuse,
• Manifestations gastro-intestinales et transmission fécale-orale du nouveau coronavirus