Intégration d'un modèle de tomodensitométrie d'apprentissage en profondeur, de variables biologiques et cliniques pour prédire la gravité de l'asthme chez les enfants (BREATHE)

L'intelligence artificielle (IA) offre des opportunités substantielles pour les soins de santé, favorisant un meilleur diagnostic, traitement, prévention et soins personnalisés. L'analyse des images de santé est l'un des domaines les plus prometteurs pour l'application de l'IA dans les soins de santé, contribuant à une meilleure prédiction, diagnostic et traitement des maladies.

L'apprentissage en profondeur (DL) est actuellement l'une des techniques d'apprentissage automatique les plus puissantes. Les algorithmes DL sont capables d'apprendre à partir de données d'entrée brutes (ou avec peu de prétraitement) et de construire par eux-mêmes des représentations de caractéristiques abstraites sophistiquées (modèles utiles) qui permettent une prise de décision de tâche très précise. Récemment, DL a montré des résultats prometteurs dans l'aide à l'analyse des maladies pulmonaires à l'aide d'images de tomodensitométrie (CT).

Les directives actuelles sur l'asthme sévère recommandent la tomodensitométrie à haute résolution et multidétecteurs comme outil d'évaluation de la maladie. Les tomodensitogrammes contiennent des informations pronostiques, car la présence d'un épaississement de la paroi bronchique, d'un piégeage d'air, d'un rétrécissement de la lumière bronchique et d'une bronchectasie est associée à une durée et à une gravité de la maladie plus longues chez les adultes. Seul un petit nombre d'études ont rapporté des résultats de scanner thoracique chez des enfants souffrant d'asthme sévère, et leur relation avec les paramètres cliniques et pathobiologiques a donné des résultats incohérents. Ainsi, dans quelle mesure les tomodensitogrammes ajoutent des informations pronostiques au-delà de ce qui peut être déduit des données cliniques et biologiques n'est toujours pas résolu chez les enfants.

Le projet devrait construire un score de gravité DL pour pronostiquer une évolution sévère chez les enfants asthmatiques, en utilisant un modèle DL pour capturer les informations de pronostic par tomodensitométrie.