Validation de la base de données d'images du fémur proximal

Le projet AO@AI Turin est un projet collaboratif avec un groupe de Turin qui a collecté 2 932 radiographies pelviennes antéropostérieures (AP), dont 1 811 sont des images de fracture et 1 121 sont des images sans fracture. Le groupe de Turin a développé un algorithme d’intelligence artificielle (IA) pour la classification des fractures à partir de ces images. Ces images anonymisées (dont toutes les métadonnées ou identifiants personnels ont été supprimés) ont été téléchargées dans une base de données d'images (DB) basée sur le cloud hébergée et gérée par la Fondation AO.

Le groupe de Turin a établi la "vérité du terrain" en utilisant les méthodes du "consensus des experts". Deux radiologues de leur équipe médicale ont examiné et classé l'état de la fracture (fracture vs non-fracture et, en cas de fracture, classification AO/Orthopedic Trauma Association [OTA]).

L'objectif de la prochaine étape est le plan de validation de la vérité terrain pour tester l'exactitude de l'annotation de Turin de la classification des fractures des images pelviennes AP déjà téléchargées. Il s'agit de garantir que la base de données d'images offre des annotations de qualité précises pour permettre le développement de l'IA.

Pour la phase pilote, un sous-ensemble aléatoire des images de Turin (300 images) sera tiré de la base de données d'images. Ces images seront examinées par un groupe externe de chirurgiens experts en AO qui annoteront les images en fonction de leur état de fracture, c'est-à-dire fracture vs non-fracture et, en cas de fracture, la classification AO/OTA.

Le groupe de chirurgiens experts en AO se compose de quatre chirurgiens qui examineront indépendamment les 300 images et d'un cinquième chirurgien qui sert d'arbitre si nécessaire. Les chirurgiens experts auront accès aux 300 images via la base de données d'images basée sur le cloud et annoteront les images. Les chirurgiens experts ne connaîtront pas les annotations de Turin. Les annotations des chirurgiens experts seront saisies dans une base de données construite à cet effet pour l'étude pilote.

Pour déterminer la vérité terrain, les annotations des quatre chirurgiens seront comparées et les divergences seront identifiées. Une réunion sera ensuite organisée entre les chirurgiens pour résoudre, par consensus, les divergences, avec la participation potentielle du cinquième chirurgien en tant qu'arbitre. Après la réunion de résolution, il y aura un seul ensemble d'annotations pour les 300 images du groupe de chirurgiens d'exercice.

Les annotations de Turin seront également saisies dans la base de données de l'étude pour permettre des comparaisons avec l'annotation du groupe de chirurgiens experts.

En cas de désaccord entre l'annotation de Turin et les annotations du chirurgien expert AO, un consensus sera recherché pour établir une nouvelle vérité terrain. Si ce processus entraîne des révisions significatives des annotations, l'ensemble des données sera examiné pour définir cette nouvelle norme. Suite à une révision aussi complète de l'ensemble de données, l'algorithme de classification automatisée des fractures du fémur proximal, déjà développé par le groupe de Turin, sera recyclé. Après le recyclage, les performances de l'algorithme seront évaluées à l'aide de mesures telles que la précision, le rappel et le score F1 pour garantir son exactitude et son efficacité dans la classification des fractures proximales du fémur.