Apprentissage profond appliqué à la surveillance radiographique abdominale simple après réparation endovasculaire d'anévrisme (EVAR) d'anévrisme de l'aorte abdominale (AAA) (DeepLearn)

L'anévrisme de l'aorte abdominale (AAA) est une affection dans laquelle l'aorte abdominale, une grosse artère, se dilate progressivement, secondaire à un processus dégénératif à l'intérieur de sa paroi. Cela peut conduire à la rupture de la paroi affaiblie avec une exsanguination ultérieure dans l'abdomen. Ce scénario est généralement fatal. Le diamètre de l'anévrisme est positivement corrélé au risque de rupture. La taille de l'anévrisme est donc le principal déterminant lorsqu'il s'agit de réparer ou non électivement les AAA.

La réparation endovasculaire des anévrismes (EVAR) est devenue le traitement standard des AAA chez la grande majorité des patients. Il s'agit d'une technique peu invasive qui vise à exclure l'anévrisme de la circulation en plaçant un « stent-greffe » synthétique dans la lumière aortique. Les barbes métalliques ainsi que la force radiale maintiennent la position de l'endoprothèse dans l'aorte non anévrismale au-dessus de l'anévrisme ainsi que dans les artères iliaques sous l'anévrisme.

Les preuves de niveau 1 ont constamment démontré une amélioration de la survie périopératoire avec EVAR par rapport à la chirurgie ouverte traditionnelle. Cependant, il existe des inquiétudes concernant la durabilité à long terme des endoprothèses EVAR, avec 1 patient sur 5 nécessitant une nouvelle intervention chirurgicale sur l'anévrisme dans les 5 ans suivant l'opération. Cela est souvent dû à une défaillance de la position et de l'intégrité de l'endoprothèse. Par conséquent, la pratique internationale standard consiste à maintenir les patients sous surveillance à vie après EVAR. Cela se présente généralement sous la forme de radiographies standard associées à une tomodensitométrie (TDM) ou à des échographies duplex, toutes effectuées sur une base annuelle.

Les endoprothèses sont visibles sur des radiographies simples de l'abdomen et en comparant des séries d'images prises au fil du temps, il est possible de diagnostiquer une myriade de problèmes d'endoprothèse, notamment la migration, la désintégration et la distorsion. Mais ces changements peuvent être subtils sur des radiographies simples et difficiles à repérer, même pour l'œil humain le plus entraîné. En conséquence, les patients subissent des analyses plus détaillées qui comportent malheureusement un risque de néphrotoxicité et de malignité radio-induite.

Le but de notre recherche est d'améliorer le potentiel diagnostique des radiographies simples en appliquant des algorithmes informatiques modernes d'apprentissage en profondeur pour l'interprétation.

L'intelligence artificielle (IA) sous forme d'apprentissage en profondeur a connu un grand succès ces dernières années sur de nombreux problèmes complexes. Le succès de l'apprentissage en profondeur repose en grande partie sur les progrès des puissantes unités de traitement graphique (GPU). Les GPU nous permettent d'accélérer les algorithmes d'entraînement par ordre de grandeur, ramenant les durées d'exécution de quelques semaines à quelques jours.

Notre étude explorera l'utilisation de l'intelligence artificielle dans l'interprétation de séries de radiographies simples anonymisées pour identifier les caractéristiques d'une endoprothèse défaillante.

Un algorithme d'apprentissage en profondeur sera appliqué aux radiographies simples post-EVAR qui ont déjà été réalisées dans notre établissement en Angleterre au cours des 10 dernières années. Nous comparerons ensuite l'efficacité de la machine à identifier les problèmes liés à l'endoprothèse aux résultats connus précédemment identifiés par l'interprétation humaine.

Ce projet s'appuiera sur les avancées récentes des techniques d'apprentissage en profondeur. On s'attend à ce que l'apprentissage en profondeur apporte de bonnes performances pour la surveillance EVAR conformément à son application réussie dans des domaines tels que la reconnaissance des chiffres, des caractères chinois et des panneaux de signalisation où les ordinateurs ont produit une meilleure précision que les humains.