La sclérose en plaques (SEP) est une maladie inflammatoire démyélinisante du système nerveux central. Le suivi de la maladie repose sur la détection de nouvelles lésions ou de lésions en augmentation de taille grâce à des examens IRM réguliers. Mais l'interprétation des signaux IRM essentiels (T2/FLAIR) est délicate et chronophage, du fait de la variabilité de distribution et de charge entre patients. Aujourd'hui, il existe des logiciels d'intelligence artificielle pour aider dans cette démarche. Mais quelles sont leurs performances ?
Deux études rétrospectives
Des collaborations dirigées par Myriam Edjlali (laboratoire BioMaps au SHFJ) ont permis de mener deux études rétrospectives visant à tester et comparer les performances de plateformes avec des fonctionnalités distinctes : Jazz® qui automatise le processus de lecture et l'affichage des images ; et Pixyl.Neuro.MS® qui, automatiquement, segmente et classe les lésions selon leur évolution.
L'une des études
[1] a porté sur 83 patients atteints de SEP, adressés pour suspicion de progression de la maladie. Les IRM de suivi ont été analysées à l'aide du logiciel Pixyl.Neuro.MS®. Les résultats de cette lecture assistée par IA ont été comparées aux comptes-rendus radiologiques standard réalisés en pratique clinique courante. L'analyse assistée par IA a permis de détecter significativement plus de nouvelles lésions que la lecture conventionnelle et d'identifier des lésions en expansion chez près d'un tiers des patients, alors qu'aucune n'avait été rapportée dans les comptes-rendus standards. L'intégration du compte-rendu radiologique assisté par IA aux données cliniques a conduit à une modification de la stratégie thérapeutique chez 10% des patients.
L'autre étude
[2] comprenait les IRM de suivi de 35 patients atteints de SEP, avec une charge lésionnelle élevée. Deux médecins radiologues ont effectué une analyse radiologique des images, suivie d'une lecture assistée par l'IA soit avec Jazz®, soit avec Pixyl.Neuro.MS®. Alors que les lectures conventionnelles ont permis de détecter 8 nouvelles lésions chez deux patients, les lectures assistées par AI ont permis de détecter au moins 17 vrais positifs chez 7 patients et de rejeter 61 faux positifs.
Les deux études soulignent la contribution significative de l'IA dans la détection de nouvelles lésions et de lésions évolutives lors des IRM de suivi chez les patients atteints de SEP. Cette amélioration de la précision diagnostique peut influencer de manière pertinente les décisions thérapeutiques, en particulier chez les patients présentant une charge lésionnelle élevée. Cependant, la validation experte par un radiologue est nécessaire afin de garantir l'exactitude des résultats et d'éliminer les faux positifs.
Contact Institut des sciences du vivant Frédéric-Joliot :