Validation d'un système de navigation EUS biliopancréatique basé sur l'IA pour l'amélioration de la qualité en temps réel : un essai prospectif, monocentrique et randomisé contrôlé

Ces dernières années, l'échographie endoscopique (EUS) est devenue une modalité d'imagerie privilégiée pour le diagnostic des maladies biliopancréatiques, en particulier des tumeurs pancréatiques de petite taille (< 3 cm) et des calculs des voies biliaires de petite taille (< 4 mm). Par conséquent, EUS est souvent choisi comme outil principal pour le dépistage précoce des maladies biliopancréatiques chez les personnes à haut risque. Cependant, de nombreuses études ont montré que le taux de détection des maladies biliopancréatiques sous EUS varie de 70 % à 93 % entre les différents endoscopistes en raison de la qualité de l'examen et des différences entre les opérateurs, ce qui suggère qu'il existe un diagnostic manqué des lésions. Le diagnostic manqué de cancer du pancréas fait perdre aux patients la possibilité d'une chirurgie radicale et le taux de survie à cinq ans est réduit à 7,2 % ; et le diagnostic manqué de cholédocholithiase provoque des maladies aiguës graves telles qu'une cholangite aiguë et une pancréatite aiguë ; elle a des conséquences graves sur le pronostic et la qualité de vie des patients. Par conséquent, il est important de réduire le diagnostic manqué de lésions tout en élargissant davantage l'application de l'EUS.

S'assurer de la qualité de l'examen est un pré-requis fondamental pour découvrir les lésions biliopancréatiques en EUS. Deux raisons principales affectent la qualité de l'examen de l'EUS biliopancréatique : premièrement, une opération non standard par des endoscopistes ; d'excellents examens EUS biliopancréatiques nécessitent la continuité et l'intégrité de l'examen. Selon l'expérience de la Société japonaise d'endoscopie gastro-intestinale et d'experts européens et américains, l'approche multi-stations dans l'EUS biliopancréatique a été établie comme procédure de numérisation standard. Et ces stations standard incluent des repères anatomiques qui peuvent être utilisés pour localiser le transducteur et identifier les zones qui ne sont pas numérisées. L'American Society for Gastrointestinal Endoscopy (ASGE) et le groupe de travail sur la qualité endoscopique de l'American Association for Gastrointestinal Endoscopy (ACG) ont également publié des indicateurs de qualité qui doivent être remplis pour l'examen EUS. Mais ils ne sont souvent pas bien suivis en raison d'un manque de supervision et de disponibilité d'outils pratiques, et il existe un grand nombre de zones aveugles dans les scanners EUS quotidiens actuels. Deuxièmement, il est difficile de comprendre les images américaines avec une texture grise et blanche. Même les endoscopistes expérimentés ont des difficultés à identifier les structures anatomiques dans les images EUS. Par conséquent, il est essentiel de développer un outil pratique capable de surveiller la zone aveugle de l'examen EUS en temps réel, de réduire la difficulté d'interprétation échographique et de normaliser la qualité de l'examen EUS.

L'apprentissage en profondeur a été appliqué avec succès à de nombreux domaines de la médecine. Dans le domaine de l'échographie endoscopique, la plupart des recherches sont consacrées à l'utilisation d'outils informatiques pour aider au diagnostic des lésions en images statiques, tandis que de rares travaux ont étudié le rôle de l'apprentissage profond dans le suivi de la zone aveugle des examens EUS et l'exploration de l'aide sur de vrais -temps d'interprétation échographique. Auparavant, nous avons développé et validé avec succès un système de navigation EUS capable d'identifier les stations standard du pancréas et des voies biliaires EUS en temps réel. Bien que des résultats préliminaires encourageants aient été publiés concernant l'utilisation de l'intelligence artificielle pour réduire la difficulté des images EUS, ce système n'a pas été validé dans un contexte clinique réel, et il n'est pas clair s'il peut être appliqué avec succès dans la pratique clinique et améliorer la qualité de l'examen EUS.

Par conséquent, dans cette étude, nous avons mis à jour le dispositif analytique d'endoscopie intelligent et en temps réel EUS (nommé EUS-IREAD) sur la base des modèles de reconnaissance de station EUS biliopancréatiques susmentionnés et avons formé une fonction d'identification de repère anatomique pour mieux localiser la position du transducteur et diagnostiquer lésions biliopancréatiques. Nous avons ensuite mené un essai contrôlé randomisé monocentrique pour évaluer ses performances d'appoint pour les endoscopistes EUS dans un cadre clinique.