De nombreux enfants annoncent leur arrivée en salle d’accouchement par un cri perçant. Lorsqu'un nouveau-né prend automatiquement sa première respiration, les poumons se gonflent, les vaisseaux sanguins des poumons s'élargissent et l'ensemble du système circulatoire se reconfigure pour vivre en dehors de l'utérus. Cependant, ce processus ne se déroule pas toujours comme prévu. Certains nourrissons – en particulier ceux qui sont très malades ou nés prématurément – souffrent d'hypertension pulmonaire, un hassle grave dans lequel les artères des poumons restent rétrécies après l'accouchement ou se referment dans les premiers jours ou semaines après la naissance. Cela restreint le flux sanguin vers les poumons, réduisant ainsi la quantité d’oxygène dans le sang.
Un diagnostic et un traitement rapides améliorent le pronostic
Les cas graves d'hypertension pulmonaire doivent être détectés et traités le additionally rapidement probable. Moreover le traitement commence tôt, meilleur est le pronostic pour le nouveau-né. Pourtant, poser le bon diagnostic peut être difficile. Seuls des cardiologues pédiatriques expérimentés sont capables de diagnostiquer l'hypertension pulmonaire sur la foundation d'un examen échographique complet du cœur. « La détection de l'hypertension pulmonaire prend du temps et nécessite un cardiologue possédant une abilities très spécifique et de nombreuses années d'expérience. Seules les in addition grandes cliniques pédiatriques disposent généralement de ces compétences », explique le professeur Sven Wellmann, directeur médical du département de néonatologie de KUNO. Klinik St. Hedwig, qui fait partie de l'hôpital de l'Ordre de Saint-Jean à Ratisbonne en Allemagne.
Des chercheurs du groupe dirigé par Julia Vogt, qui dirige le Health-related Facts Science Group de l'ETH Zurich, se sont récemment associés à des néonatologistes de la KUNO Klinik St. Hedwig pour développer un modèle informatique fournissant une aide fiable au diagnostic de la maladie chez les nouveau-nés. Leurs résultats ont été publiés dans l'International Journal of Computer system Vision.
Rendre l’IA fiable et explicable
Les chercheurs de l’ETH ont commencé par entraîner leur algorithme sur des centaines d’enregistrements vidéo issus d’échographies cardiaques de 192 nouveau-nés. Cet ensemble de données comprenait également des pictures animées du cœur battant prises sous différents angles ainsi que des diagnostics posés par des cardiologues pédiatriques expérimentés (l'hypertension pulmonaire est-elle présente ou non) et une évaluation de la gravité de la maladie (« légère » ou « modérée à sévère »). Pour déterminer le succès de l'algorithme dans l'interprétation des photographs, les chercheurs ont ensuite ajouté un deuxième ensemble de données d'illustrations or photos échographiques de 78 nouveau-nés, que le modèle n'avait jamais vues auparavant. Le modèle a suggéré le diagnostic proper dans approximativement 80 à 90 pour cent des cas et a pu déterminer le niveau right de gravité de la maladie dans approximativement 65 à 85 pour cent des cas.
« La clé de l'utilisation d'un modèle d'apprentissage automatique dans un contexte médical n'est pas seulement la précision des prédictions, mais aussi la capacité des humains à comprendre les critères utilisés par le modèle pour prendre des décisions », explique Vogt. Son modèle rend cela feasible en mettant en évidence les parties de l’image échographique sur lesquelles repose sa catégorisation. Cela permet aux médecins de voir exactement quelles zones ou caractéristiques du cœur et de ses vaisseaux sanguins le modèle a considéré comme suspectes. Lorsque les cardiologues pédiatriques ont examiné les ensembles de données, ils ont découvert que le modèle examinait les mêmes caractéristiques qu'eux, même s'il n'était pas explicitement programmé pour cela.
Un humain pose le diagnostic
Ce modèle d’apprentissage automatique pourrait potentiellement être étendu à d’autres organes et maladies, par exemple pour diagnostiquer des malformations septales cardiaques ou des valvulopathies.
Il pourrait également être utile dans les régions où aucun spécialiste n'est disponible : des illustrations or photos échographiques standardisées pourraient être prises par un professionnel de la santé, et le modèle pourrait alors fournir une évaluation préliminaire des risques et indiquer s'il convient de consulter un spécialiste. Les établissements médicaux qui ont accès à des spécialistes hautement qualifiés pourraient utiliser ce modèle pour alléger leur charge de travail et les aider à établir un diagnostic meilleur et as well as objectif. « L'IA a le potentiel d'apporter des améliorations significatives aux soins de santé. La dilemma cruciale pour nous est que la décision finale doit toujours être prise par un humain, par un médecin. L'IA devrait simplement fournir un soutien pour garantir que le utmost de personnes puissent recevoir les meilleurs soins médicaux possibles », déclare Vogt.
