publicité
Facebook Facebook Facebook Partager

Études-Consensus-Recommandations

Publié le 15 oct 2022Lecture 3 min

EchoNet-RCT : première étude randomisée en double aveugle évaluant la performance de l’intelligence artificielle pour mesurer la FEVG !

Théo PEZEL, service de cardiologie, CHU Lariboisière, APHP, Paris

Malgré les progrès importants réalisés dans la mise en œuvre de l’intelligence artificielle (IA) en cardiologie, tant du point de vue clinique que de la recherche, aucun essai clinique n’a encore prouvé son avantage ou son efficacité dans ce domaine. L’essai EchoNet-RCT a rectifié cela en menant le premier essai clinique randomisé étudiant la mise en œuvre de l’IA pour la mesure en routine clinique de la fraction d’éjection du ventricule gauche (FEVG). Dans le cadre d’une session Hot Line au Congrès 2022 de la Société européenne de cardiologie, D. Ouyang (Smidt Heart Institute, Cedars-Sinai, Los Angeles) a présenté les résultats de cet essai, testant la fiabilité et la précision d’un algorithme d’intelligence artificielle complètement automatique pour la mesure de la FEVG.

• Principe du logiciel d’intelligence artificielle pour la mesure de la FEVG   Echonet-Dynamic est le logiciel propriétaire d’IA étudié dans l’essai. La programmation de l’algorithme d’apprentissage profond avait déjà été publiée dans Nature (figure 1). Le logiciel a été entraîné sur des vidéos d’échocardiographie pour évaluer la fonction cardiaque et déterminer la FEVG. Les résultats précédents ont montré que l’IA pouvait lire avec précision les FEVG avec une erreur absolue moyenne de 4 à 6 %. Afin de reproduire les résultats et de minimiser les erreurs, l’algorithme utilise plusieurs cycles cardiaques pour déterminer la FEVG.   • Design de l’étude   EchoNet-RCT est une étude randomisée, en aveugle, monocentrique, visant à évaluer le degré de changement de la mesure de la FEVG entre une mesure par IA automatique et l’évaluation par un sonographer, en prenant comme gold-standard l’évaluation d’expert échocardiographiste (figure 2). Ces modifications devaient ensuite être comparées aux modifications apportées par les cardiologues aux FEVG générés par l’échographe. Pour ce faire, 3 495 examens d’échocardiographie obtenus par des sonographers ont été randomisés dans une proportion de 1:1 pour subir des tracés de FEVG par un sonographer ou par l’IA. Ces échographies ont ensuite été envoyées au cardiologue expert chargé de la relecture, qui ne connaissait pas la source de l’évaluation de la FE, pour l’interprétation finale. Afin d’évaluer le respect du double aveugle, on a demandé aux cardiologues de choisir si l’évaluation de la FE était guidée par l’IA ou par le sonographer à la fin de chaque scan, et ils ont choisi correctement dans 32,3 % des cas seulement.   • Principaux résultats de l’étude   Le critère de jugement principal était la variation de la FEVG initiale (guidée par l’IA ou par le sonographer) par rapport à l’évaluation finale de la FEVG par le cardiologue. La FEVG guidée par l’IA a nécessité un changement substantiel dans 16,8 % des cas, contre 27,2 % dans le groupe guidé par le sonographer (différence moyenne de -10,5 % [IC95% -13,2 % -7,7 %], p < 0,001), ce qui est significatif à la fois pour la non-infériorité et la supériorité. La différence absolue moyenne des points de pourcentage de FEVG était également significative en faveur des évaluations générées par l’IA (2,79 vs 3,77 ; p < 0,001). Un résultat secondaire pertinent était le temps nécessaire aux cardiologues pour relire chaque scan, et comme prévu, plus de temps a été consacré à la lecture des scans guidés par sonographer (64 secondes contre 54 secondes, p < 0,001). Les analyses de sous-groupes en fonction des caractéristiques des patients et des caractéristiques de l’écho ont montré des résultats cohérents en faveur des évaluations générées par l’IA.   • Interprétation des résultats   Les auteurs ont conclu que l’évaluation de la FEVG par un algorithme propriétaire d’IA était à la fois non inférieure et supérieure à l’évaluation initiale par un sonographer, les cardiologues experts étant moins susceptibles de modifier ces évaluations dans l’ensemble. Comme il s’agissait d’une étude monocentrique, il est difficile de savoir dans quelle mesure ces résultats peuvent être généralisés et s’ils peuvent être validés à l’extérieur. Néanmoins, cet essai est prometteur pour l’avenir de l’IA en cardiologie et, comme l’a déclaré D. Ouyang, la technologie pourrait « être très efficace non seulement pour améliorer la qualité des résultats de l’échographie, mais aussi pour accroître l’efficacité du temps et des efforts consacrés par les sonographers et les cardiologues en simplifiant des tâches autrement fastidieuses, mais importantes ».   • Limites de l’étude   Il faut noter qu’il s’agit d’une étude monocentrique et rétrospective, d’un centre américain, dont l’organisation du système de soin diffère grandement du nôtre, à commencer par la réalisation des échographies cardiaques par un sonographer dédié. Le choix du Simpson — par ailleurs majoritairement monoplan — est également questionnable, à l’heure du développement croissant des évaluations volumiques 3D de la FEVG.

Attention, pour des raisons réglementaires ce site est réservé aux professionnels de santé.

pour voir la suite, inscrivez-vous gratuitement.

Si vous êtes déjà inscrit,
connectez vous :

Si vous n'êtes pas encore inscrit au site,
inscrivez-vous gratuitement :

Version PDF

Articles sur le même thème

  •  
  • 1 sur 4