{"id":387756,"date":"2024-11-21T00:01:00","date_gmt":"2024-11-20T23:01:00","guid":{"rendered":"https:\/\/medizinonline.com\/?p=387756"},"modified":"2024-10-07T15:29:41","modified_gmt":"2024-10-07T13:29:41","slug":"les-defis-de-lamelioration-de-limagerie-cardiaque","status":"publish","type":"post","link":"https:\/\/medizinonline.com\/fr\/les-defis-de-lamelioration-de-limagerie-cardiaque\/","title":{"rendered":"Les d\u00e9fis de l’am\u00e9lioration de l’imagerie cardiaque"},"content":{"rendered":"\n

Les maladies cardiovasculaires sont la premi\u00e8re cause de mortalit\u00e9 dans le monde, et une imagerie cardiaque pr\u00e9cise joue un r\u00f4le cl\u00e9 dans le diagnostic, le traitement et le pronostic de ces maladies.\nCes derni\u00e8res ann\u00e9es, l’intelligence artificielle (IA), en particulier l’apprentissage profond, a fait de grands progr\u00e8s en introduisant l’automatisation et des capacit\u00e9s pr\u00e9dictives dans l’imagerie cardiaque.\nBien que l’IA pr\u00e9sente un grand potentiel, elle n’a jusqu’\u00e0 pr\u00e9sent pas eu l’effet escompt\u00e9 sur la r\u00e9duction des co\u00fbts de sant\u00e9 ou l’am\u00e9lioration des r\u00e9sultats cliniques.\nCela s’explique notamment par des d\u00e9fis m\u00e9thodologiques, techniques et \u00e9thiques. <\/strong><\/p>\n\n\n\n

(red) <\/em>Malgr\u00e9 la concurrence entre les acteurs acad\u00e9miques et industriels pour d\u00e9velopper la solution d’IA la plus performante, il n’existe pas encore de preuves issues d’essais cliniques randomis\u00e9s montrant que les mod\u00e8les d’IA ont une sup\u00e9riorit\u00e9 significative sur l’interpr\u00e9tation humaine.\nCet article examine les d\u00e9fis existants de l’int\u00e9gration de l’IA dans l’imagerie cardiaque et souligne que l’IA devrait actuellement \u00eatre consid\u00e9r\u00e9e comme une “intelligence augment\u00e9e” – une technologie qui soutient, mais ne remplace pas, la prise de d\u00e9cision clinique.\nIl est peut-\u00eatre temps de changer de perspective et de consid\u00e9rer l’IA comme un outil qui aide les m\u00e9decins \u00e0 prendre les meilleures d\u00e9cisions possibles. <\/p>\n\n

Le d\u00e9veloppement de l’IA dans l’imagerie cardiaque<\/h3>\n\n

L’automatisation des t\u00e2ches r\u00e9p\u00e9titives et chronophages en imagerie cardiaque est l’un des principaux avantages offerts par l’IA.\n“L’apprentissage profond” s’est av\u00e9r\u00e9 sup\u00e9rieur aux m\u00e9thodes traditionnelles, car il est capable d’identifier automatiquement les caract\u00e9ristiques pertinentes dans les images et de les utiliser \u00e0 des fins de diagnostic.\nUn exemple est la segmentation automatis\u00e9e des images cardiaques, particuli\u00e8rement utile pour calculer le volume et la fonction comme la fraction d’\u00e9jection ventriculaire gauche (FEVG).\nEn outre, si l’IA a \u00e9t\u00e9 suffisamment entra\u00een\u00e9e avec des donn\u00e9es, elle offre un traitement rapide et pr\u00e9cis des nouvelles donn\u00e9es d’image et se pr\u00eate bien \u00e0 la g\u00e9n\u00e9ralisation \u00e0 de nouveaux ensembles de donn\u00e9es. <\/p>\n\n

Cependant, l’IA est souvent critiqu\u00e9e comme \u00e9tant une “bo\u00eete noire”, car les voies de d\u00e9cision ne sont pas toujours clairement compr\u00e9hensibles.\nCela peut nuire \u00e0 la confiance des cliniciens dans la technologie.\nPour relever ce d\u00e9fi, les chercheurs ont commenc\u00e9 \u00e0 d\u00e9velopper des m\u00e9canismes d’interpr\u00e9tation tels que les degr\u00e9s CAM ou les valeurs de Shapley, qui indiquent quelles zones de l’image sont responsables des d\u00e9cisions de l’IA.\nCependant, ces outils sont encore en phase de d\u00e9veloppement et ont leurs propres limites.\nIl est essentiel d’am\u00e9liorer l’interpr\u00e9tabilit\u00e9 des mod\u00e8les d’IA pour favoriser leur adoption dans la pratique clinique. <\/p>\n\n

Les d\u00e9fis de la qualit\u00e9 et de la diversit\u00e9 des donn\u00e9es<\/h3>\n\n

L’un des principaux obstacles \u00e0 la r\u00e9ussite de l’application de l’IA \u00e0 l’imagerie cardiaque est la disponibilit\u00e9 de donn\u00e9es diversifi\u00e9es et de haute qualit\u00e9.\nLes mod\u00e8les d’IA, en particulier les mod\u00e8les d’apprentissage profond, n\u00e9cessitent une \u00e9norme quantit\u00e9 de donn\u00e9es bien annot\u00e9es pour fournir des r\u00e9sultats fiables.\nOr, ces donn\u00e9es font souvent d\u00e9faut et de nombreuses donn\u00e9es existantes ne sont pas suffisamment diversifi\u00e9es, ce qui limite la g\u00e9n\u00e9ralisation des mod\u00e8les d’IA.\nIl est important que les syst\u00e8mes d’IA soient entra\u00een\u00e9s sur une large base de donn\u00e9es, prenant en compte diff\u00e9rentes pathologies, groupes ethniques, classes d’\u00e2ge et sexes.\nC’est la seule fa\u00e7on de garantir que les mod\u00e8les fonctionnent de mani\u00e8re fiable dans la pratique clinique pour un grand nombre de patients. <\/p>\n\n

Les r\u00e9glementations sur la protection des donn\u00e9es, telles que le R\u00e8glement g\u00e9n\u00e9ral sur la protection des donn\u00e9es (RGPD) en Europe, compliquent la collaboration entre les institutions et entravent le partage des donn\u00e9es.\nDes approches telles que le “federated learning”, dans lesquelles les mod\u00e8les d’IA sont entra\u00een\u00e9s localement sans que les donn\u00e9es elles-m\u00eames ne soient partag\u00e9es, pourraient y rem\u00e9dier.\nCela pourrait contribuer \u00e0 garantir la protection des donn\u00e9es tout en utilisant de plus grands ensembles de donn\u00e9es pour l’entra\u00eenement des mod\u00e8les d’IA.\nN\u00e9anmoins, les institutions ne sont pas incit\u00e9es \u00e0 s’engager dans de telles collaborations de donn\u00e9es, ce qui retarde le d\u00e9veloppement de l’IA dans la pratique clinique. <\/p>\n\n

Le r\u00f4le de l’IA dans diff\u00e9rentes modalit\u00e9s d’imagerie<\/h3>\n\n

L’IA s’est impos\u00e9e ces derni\u00e8res ann\u00e9es dans diff\u00e9rentes modalit\u00e9s d’imagerie :<\/p>\n\n

\u00c9chocardiographie :<\/strong> l’IA a \u00e9t\u00e9 utilis\u00e9e avec succ\u00e8s pour automatiser le calcul des volumes et l’\u00e9valuation fonctionnelle.\nUn exemple est le calcul automatique de la FEVG \u00e0 partir des donn\u00e9es d’\u00e9chocardiographie.\nDes \u00e9tudes ont montr\u00e9 que l’IA est capable de fournir des r\u00e9sultats comparables \u00e0 ceux des \u00e9chographes, mais de mani\u00e8re plus rapide et plus coh\u00e9rente.\nCela ouvre de nouvelles possibilit\u00e9s, en particulier dans les r\u00e9gions \u00e0 faibles ressources qui manquent de personnel m\u00e9dical qualifi\u00e9.\nUn autre avantage r\u00e9side dans le fait que les mod\u00e8les bas\u00e9s sur l’IA peuvent \u00e9galement \u00eatre utilis\u00e9s en cardiologie pr\u00e9natale et p\u00e9diatrique pour diagnostiquer des cardiopathies cong\u00e9nitales complexes. <\/p>\n\n

Tomodensitom\u00e9trie cardiaque (CT) : <\/strong>en imagerie CT, l’IA peut am\u00e9liorer consid\u00e9rablement les flux de travail en effectuant des quantifications automatis\u00e9es des donn\u00e9es d’imagerie cardiaque, telles que l’\u00e9valuation du calcium coronaire, qui sert de marqueur de l’ath\u00e9roscl\u00e9rose coronaire et des risques cardiovasculaires.\nL’IA est \u00e9galement utilis\u00e9e dans la planification d’interventions complexes telles que l’implantation de valves aortiques par transcath\u00e9ter (TAVI), afin de mieux \u00e9valuer les risques et d’optimiser la planification chirurgicale. <\/p>\n\n

Imagerie par r\u00e9sonance magn\u00e9tique (IRM) cardiaque : <\/strong>l’IRM a le plus b\u00e9n\u00e9fici\u00e9 de l’automatisation bas\u00e9e sur l’IA, notamment pour la segmentation automatique des images et le calcul de la FEVG.\nCela a permis \u00e0 de grandes \u00e9tudes de cohorte telles que la UK Biobank d’apporter de nouveaux \u00e9clairages sur l’\u00e9volution de la maladie et le vieillissement en bonne sant\u00e9.\nCependant, malgr\u00e9 ces progr\u00e8s, il existe peu d’\u00e9tudes cliniques prospectives d\u00e9montrant l’utilit\u00e9 de l’IA dans la pratique clinique. <\/p>\n\n

Imagerie de m\u00e9decine nucl\u00e9aire :<\/strong> en m\u00e9decine nucl\u00e9aire, l’IA a d\u00e9montr\u00e9 sa capacit\u00e9 \u00e0 effectuer des analyses automatis\u00e9es de grandes quantit\u00e9s de donn\u00e9es afin d’am\u00e9liorer le diagnostic des maladies coronariennes et le pronostic des \u00e9v\u00e9nements cardiovasculaires.<\/p>\n\n

Obstacles \u00e0 la mise en \u0153uvre clinique et d\u00e9fis r\u00e9glementaires<\/h3>\n\n

Malgr\u00e9 les progr\u00e8s technologiques, la mise en \u0153uvre clinique de l’IA se heurte \u00e0 des obstacles consid\u00e9rables.\nL’un de ces d\u00e9fis est que l’infrastructure de nombreux \u00e9tablissements de sant\u00e9 n’est pas pr\u00e9par\u00e9e \u00e0 l’int\u00e9gration de nouveaux outils d’IA.\nDe nombreux syst\u00e8mes existants, tels que les syst\u00e8mes d’archivage d’images, sont obsol\u00e8tes et ne sont pas en mesure de prendre en charge les interfaces n\u00e9cessaires \u00e0 une int\u00e9gration transparente de l’IA.\nCela ralentit consid\u00e9rablement l’introduction de l’IA dans la pratique clinique.\nEn outre, il n’existe pas encore de mod\u00e8les de remboursement clairs pour les services bas\u00e9s sur l’IA dans le secteur de la sant\u00e9, ce qui constitue un obstacle suppl\u00e9mentaire \u00e0 la mise en \u0153uvre. <\/p>\n\n

Les exigences r\u00e9glementaires pour les syst\u00e8mes d’IA sont \u00e9galement complexes et prennent du temps.\nLa FDA am\u00e9ricaine et l’Union europ\u00e9enne ont certes \u00e9labor\u00e9 des directives initiales pour les dispositifs m\u00e9dicaux bas\u00e9s sur l’IA, mais celles-ci ont du mal \u00e0 suivre le rythme rapide de l’\u00e9volution technologique.\nLes diff\u00e9rences dans les m\u00e9canismes r\u00e9glementaires entre les diff\u00e9rents pays rendent la coop\u00e9ration internationale difficile.\nPour surmonter ces d\u00e9fis, il est important de simplifier les processus r\u00e9glementaires et de promouvoir l’utilisation de l’IA en m\u00e9decine gr\u00e2ce \u00e0 des proc\u00e9dures standardis\u00e9es. <\/p>\n\n

Acceptation clinique et facteurs humains<\/h3>\n\n

Un autre aspect critique de l’introduction de l’IA dans la pratique clinique est l’acceptation par les parties prenantes.\nLes patients, les m\u00e9decins et les autres prestataires de soins de sant\u00e9 sont souvent r\u00e9ticents \u00e0 l’\u00e9gard de l’IA, qu’ils consid\u00e8rent comme une menace ou un obstacle.\nIl est donc n\u00e9cessaire d’impliquer activement ces groupes cibles dans le processus de d\u00e9veloppement et de proposer une formation compl\u00e8te afin d’am\u00e9liorer la compr\u00e9hension du fonctionnement et des avantages de l’IA.\nDe plus, l’int\u00e9gration de l’IA dans les processus cliniques doit \u00eatre soigneusement planifi\u00e9e afin de garantir une interaction optimale entre l’homme et le syst\u00e8me. <\/p>\n\n

Une approche “homme dans la boucle”, dans laquelle l’humain reste le dernier recours dans la prise de d\u00e9cision, peut aider \u00e0 renforcer la confiance dans l’IA.\nCependant, il est important que les mod\u00e8les restent compr\u00e9hensibles et transparents afin de garantir que les m\u00e9decins puissent comprendre les recommandations de l’IA. <\/p>\n\n

Conclusion et perspectives d’avenir<\/h3>\n\n

L’IA a le potentiel de r\u00e9volutionner l’imagerie cardiaque en automatisant les t\u00e2ches r\u00e9p\u00e9titives et chronophages et en am\u00e9liorant l’efficacit\u00e9 de la pratique clinique.\nCependant, l’IA doit \u00eatre consid\u00e9r\u00e9e comme un outil compl\u00e9mentaire qui aide \u00e0 la prise de d\u00e9cision clinique plut\u00f4t que de la remplacer.\nLes d\u00e9veloppements futurs devraient se concentrer sur l’int\u00e9gration de l’IA dans la prise de d\u00e9cision clinique afin d’identifier des ph\u00e9notypes de maladie plus pr\u00e9cis et d’am\u00e9liorer les r\u00e9sultats cliniques. <\/p>\n\n

Un changement de paradigme, passant de mesures isol\u00e9es \u00e0 des analyses multiparam\u00e9triques, pourrait favoriser le d\u00e9veloppement d’outils d’IA permettant un diagnostic plus pr\u00e9cis.\nSi cette technologie parvient \u00e0 s’int\u00e9grer dans les flux de travail existants, elle pourrait jeter les bases d’une nouvelle \u00e8re d'”intelligence augment\u00e9e”, dans laquelle l’IA soulagerait les m\u00e9decins et leur permettrait de se concentrer sur des d\u00e9cisions cliniques plus complexes. <\/p>\n\n

Source : Sengupta PP, et al. : Challenges for augmenting intelligence in cardiac imaging. The Lancet Digital Health, Volume 6, Issue 10, e739-e748.<\/p>\n\n

<\/p>\n\n

CARDIOVASC 2024 ; 23(3) : 41-42<\/em><\/p>\n\n

<\/p>\n","protected":false},"excerpt":{"rendered":"

Les maladies cardiovasculaires sont la premi\u00e8re cause de mortalit\u00e9 dans le monde, et une imagerie cardiaque pr\u00e9cise joue un r\u00f4le cl\u00e9 dans le diagnostic, le traitement et le pronostic de…<\/p>\n","protected":false},"author":7,"featured_media":387757,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"pmpro_default_level":"","cat_1_feature_home_top":false,"cat_2_editor_pick":false,"csco_eyebrow_text":"Intelligence artificielle","footnotes":""},"category":[11378,11531,11315,11438,11492,11549],"tags":[],"powerkit_post_featured":[],"class_list":["post-387756","post","type-post","status-publish","format-standard","has-post-thumbnail","category-cardiologie","category-formation-continue","category-medecine-interne-generale","category-medecine-nucleaire","category-radiologie-fr","category-rx-fr","pmpro-has-access"],"acf":[],"publishpress_future_action":{"enabled":false,"date":"2026-05-18 21:01:30","action":"change-status","newStatus":"draft","terms":[],"taxonomy":"category","extraData":[]},"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"wpml_current_locale":"fr_FR","wpml_translations":{"it_IT":{"locale":"it_IT","id":387753,"slug":"sfide-nel-miglioramento-dellimaging-cardiaco","post_title":"Sfide nel miglioramento dell'imaging cardiaco","href":"https:\/\/medizinonline.com\/it\/sfide-nel-miglioramento-dellimaging-cardiaco\/"},"pt_PT":{"locale":"pt_PT","id":387750,"slug":"desafios-na-melhoria-da-imagiologia-cardiaca","post_title":"Desafios na melhoria da imagiologia card\u00edaca","href":"https:\/\/medizinonline.com\/pt-pt\/desafios-na-melhoria-da-imagiologia-cardiaca\/"},"es_ES":{"locale":"es_ES","id":387747,"slug":"retos-en-la-mejora-de-la-imagen-cardiaca","post_title":"Retos en la mejora de la imagen cardiaca","href":"https:\/\/medizinonline.com\/es\/retos-en-la-mejora-de-la-imagen-cardiaca\/"}},"_links":{"self":[{"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/posts\/387756","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/comments?post=387756"}],"version-history":[{"count":1,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/posts\/387756\/revisions"}],"predecessor-version":[{"id":387758,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/posts\/387756\/revisions\/387758"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/media\/387757"}],"wp:attachment":[{"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/media?parent=387756"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/category?post=387756"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/tags?post=387756"},{"taxonomy":"powerkit_post_featured","embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/powerkit_post_featured?post=387756"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}