LONDRES et POTSDAM, Allemagne, 16 septembre 2021 /PRNewswire/ — Une équipe de chercheurs développe l’utilisation d’un algorithme d’intelligence artificielle (IA) dans le but de diagnostiquer la thrombose veineuse profonde (TVP) plus rapidement et aussi efficacement que les échographies de diagnostic traditionnelles interprétées par les radiologues, ce qui pourrait réduire les longues listes d’attente et éviter que les patients ne se voient administrer inutilement des médicaments pour traiter la TVP alors qu’ils n’en sont pas atteints.
La TVP est un type de caillot sanguin qui se forme le plus souvent dans la jambe, provoquant gonflement, douleur et gêne. Si elle n’est pas traitée, elle peut entraîner la formation de caillots sanguins mortels dans les poumons. 30 à 50 % des personnes qui développent une TVP peuvent ensuite développer des symptômes et un handicap à long terme.
Des chercheurs de l’université d’Oxford, de l’Imperial College et de l’université de Sheffield ont collaboré avec la société ThinkSono (dirigée par Fouad Al-Noor et Sven Mischkewitz) pour développer un algorithme d’apprentissage automatique (AutoDVT) permettant de distinguer les patients atteints de TVP des autres. L’algorithme d’IA a diagnostiqué avec précision la TVP par rapport à l’échographie de référence, et l’équipe a déterminé que l’utilisation de l’algorithme permettrait aux services de santé d’économiser 150 dollars par examen.
« Traditionnellement, le diagnostic de la TVP nécessite une échographie spécialisée réalisée par un radiologue qualifié, et nous avons constaté que les données préliminaires utilisant l’algorithme d’IA couplé à un appareil d’échographie portatif donnent des résultats prometteurs », a déclaré le Dr Nicola Curry, responsable de l’étude et chercheur au Radcliffe Department of Medicine de l’Université d’Oxford et clinicien au Oxford University Hospitals NHS Foundation Trust.
Il s’agit de la première étude montrant que les algorithmes d’apprentissage automatique de l’IA peuvent potentiellement diagnostiquer une TVP. Les chercheurs doivent lancer une étude clinique en aveugle sur la précision des tests, en comparant la précision d’AutoDVT aux soins standard afin de déterminer la sensibilité du système pour détecter les cas de TVP. Les chercheurs espèrent qu’AutoDVT permettra de poser plus rapidement le bon diagnostic aux quelque 8 millions de personnes dans le monde qui, chaque année, présentent potentiellement un caillot de sang veineux.
« L’algorithme d’IA peut non seulement être formé à l’analyse d’images échographiques pour distinguer la présence ou l’absence d’un caillot sanguin, mais il peut également diriger l’utilisateur de la baguette à ultrasons vers les bons endroits le long de la veine fémorale, de telle sorte que même un utilisateur non spécialisé puisse obtenir les bonnes images », a déclaré Christopher Deane, membre de l’équipe de l’étude, de l’Oxford Haemophilia and Thrombosis Centre.
L’équipe de recherche espère que la combinaison de l’outil AutoDVT et de l’algorithme d’IA permettra aux professionnels de santé non spécialisés, comme les médecins généralistes et les infirmières, de diagnostiquer et de traiter rapidement la TVP. Il pourrait en outre permettre à des non-spécialistes de recueillir des images qui pourraient être envoyées à un expert, facilitant ainsi le diagnostic des personnes qui ne peuvent pas se rendre chez un spécialiste.
« Actuellement, de nombreux patients ne reçoivent pas de diagnostic définitif dans les 24 heures qui suivent une suspicion de TVP, et de nombreux patients finissent par se voir administrer des injections douloureuses de ce qui peut souvent être un anticoagulant inutile, avec des effets secondaires potentiels, » a déclaré le Dr Curry, qui travaille également à l’Oxford Centre for Haematology (Centre d’hématologie d’Oxford).
Fouad Al Noor, le PDG de ThinkSono, a déclaré : « Nous sommes ravis des résultats de cette étude et nous sommes impatients de poursuivre notre collaboration avec le centre hospitalier universitaire d’Oxford et d’autres hôpitaux partenaires afin de tester le logiciel et de le proposer aux patients du monde entier ».
Les résultats de l’étude sont publiés dans la revue npj Digital Medicine.
Le site web de ThinkSono peut être consulté à l’adresse suivante :
Contacter ThinkSono pour plus d’informations : Fouad Al Noor, hello@thinksono.com
Remarque : Le document de recherche est disponible à l’adresse suivante : https://www.nature.com/articles/s41746-021-00503-7 avec DOI: https://doi.org/10.1038/s41746-021-00503-7
Photo – https://mma.prnewswire.com/media/1626577/ThinkSono.jpg