Étude d'évaluation diagnostique
| Lu XZ1, Hu HT2, Li W2, Deng JF1, Chen LD2, Cheng MQ2, Huang H2, Ke WP2, Wang W2, Sun BG1. Exploring hepatic fibrosis screening via deep learning analysis of tongue images. J Tradit Complement Med. 2024. [1] |
2Department of Medical Ultrasonics, Institute of Diagnostic and Interventional Ultrasound, MedAI Collaborative Lab, The First Affiliated Hospital of Sun Yat-Sen University, Guangzhou, China.
L'étude
Contexte et objectif
La fibrose hépatique, souvent silencieuse, peut évoluer vers des complications graves comme la cirrhose ou le cancer du foie si elle n'est pas détectée à temps, rendant le dépistage précoce crucial. En médecine chinoise, l'examen de la langue est un outil traditionnel de diagnostic pour évaluer l'état des organes internes. Cette étude a pour objectif de développer une méthode de dépistage de la fibrose hépatique en utilisant l'analyse d'images de la langue assistée par intelligence artificielle (IA). Elle vise à évaluer l'efficacité d'un modèle d'apprentissage profond en le comparant à l'indice FIB-4, un marqueur biologique indirect de la fibrose.
Méthodes
- Participants : 1083 images de langue ont été collectées auprès de 741 patients atteints de maladies chroniques du foie.
- Prise et préparation des images de la langue :
- Les patients devaient être à jeun et éviter les boissons colorées avant la prise des photos. Les images de la langue étaient capturées à 15 cm de distance, avec un angle de 45° et sous un éclairage contrôlé.
- Les images étaient ensuite recadrées et modifiées (rotation, retournement, redimensionnement) pour améliorer les performances du modèle. Elles étaient réparties en trois groupes : entraînement (65 %), validation (15 %) et test (20 %).
- Analyse des images par l'IA :
- Pour analyser les images de langue, un programme informatique spécialisé DenseNet-201 a été utilisé. Ce programme a été entraîné à reconnaître des motifs spécifiques sur les images pour cette tâche précise.
- Pour rendre le modèle d'IA plus transparent et interprétable, la technique Grad-CAM a été utilisée pour créer des cartes de chaleur (figure 2). Ces cartes permettent de visualiser les zones spécifiques de la langue sur lesquelles le modèle s'est focalisé pour prendre ses décisions.
- Performance diagnostique du modèle :
- La performance a été mesurée en termes de précision, sensibilité, spécificité, valeur prédictive positive (VPP) et négative (VPN).
- Elle a été été comparée à celle du FIB-4, test classique de dépistage de la fibrose, effectué pour tous les 174 patients inclus dans l'ensemble de test de l'étude.
- L'élastographie ultrasonore bidimensionnelle a servi de référence pour l'identification d'une fibrose, également effectué pour tous les patients avant l'acquisition des images de langue.
Résultats
Performance diagnostique
- L'analyse numérique de la langue a démontré une performance diagnostique supérieure par rapport au FIB-4. Dans l'ensemble de validation, il a atteint une précision de 84,5 %, et dans l'ensemble de test, une précision de 81,4 %, avec des valeurs prédictives négatives (VPN) dépassant les 90 % dans les deux ensembles. En comparaison, le FIB-4 a obtenu une précision de 71,8 % et une VPN de 81,7 %.
- En d'autres termes, lorsque l'analyse numérique de la langue indique qu'un patient n'a pas de fibrose, il y a plus de 90 % de chances que ce diagnostic soit correct. Cela rend l'examen particulièrement efficace pour identifier les patients qui ne nécessitent pas de tests supplémentaires, réduisant ainsi le risque de faux négatifs et optimisant le parcours de dépistage.
Proposition d'une séquence de dépistage
Sur la base de ces performances et des données recueillies, une séquence de dépistage de la fibrose hépatique débutant par un examen numérique de la langue est proposé (figure 1) :
- étape 1 : analyse par IA des images de la langue : 58,6 % (102/174) des patients sont considérés comme non fibrotique (IA négatifs), permettant à ces patients de rester sous la surveillance de leur médecin de soins primaires sans examens supplémentaires. Les autres sont considérés comme à risque de fibrose (IA positifs) et passent à la 2ème étape.
- étape 2 : les 41,4% de patients IA positifs (72/174) passent un test FIB-4. 18,4 % (32/174) sont confirmés comme non fibrotique (FIB<1.15) et restent en soins primaires. Les 23 % restants (40/174), considérés comme à risque de fibrose avancée (FIB > 1.15), sont orientés vers un spécialiste pour des examens approfondis (comme l'élastographie).
- Ce processus en deux étapes permet d'optimiser le parcours de soins, en limitant les examens spécialisés aux patients réellement à risque, tout en garantissant un suivi approprié pour les autres.
Visualisation de l'attention de l'IA
Les cartes de chaleur (figure 2) montrent que le modèle d'IA se concentre principalement sur les bords latéraux de la langue pour identifier la fibrose, ce qui correspond à la zone associée au Foie dans l'examen lingual de la médecine chinoise (figure 3).
Commentaires
L'analyse des images de la langue assistée par IA pourrait devenir une méthode de dépistage primaire pour la fibrose hépatique, permettant une réduction significative des renvois inutiles vers les spécialistes. Le modèle propose un dépistage non invasif et potentiellement accessible via des applications mobiles, qui pourrait permettre aux patients de réaliser ce dépistage directement avec leur smartphone.
La division des données en IA
Dans le domaine de l'intelligence artificielle, il est habituel de diviser, comme dans cette étude, les données en trois groupes : entraînement, validation et test. Cette méthode standard permet de développer et d'évaluer correctement les modèles d'apprentissage automatique.
- Le groupe d'entraînement (65 % des images) sert à apprendre au modèle à reconnaître des motifs en ajustant ses paramètres.
- Le groupe de validation (15 % des images), utilisé pendant l'entraînement, permet de vérifier si le modèle se généralise bien à des données nouvelles et d'éviter qu'il ne devienne trop spécialisé.
- Enfin, le groupe de test (20 % des images), utilisé après l'entraînement, évalue la performance finale du modèle sur des données totalement inédites, garantissant ainsi sa fiabilité et sa capacité à faire des prédictions précises.
Dépistage de la fibrose hépatique
- Le FIB-4 est un index composite largement reconnu pour le dépistage non invasif de la fibrose hépatique. Il combine des paramètres biologiques (AST, ALT, nombre de plaquettes) avec l'âge pour estimer le risque de fibrose. En tant que test de dépistage, un score inférieur à 1,15 permet d'exclure la présence de fibrose, identifiant ainsi les patients à faible risque. Simple, peu coûteux et efficace, il est recommandé dans les directives internationales pour le dépistage initial de la fibrose hépatique, particulièrement pour orienter vers des examens plus approfondis si nécessaire.
- L'élastographie bidimensionnelle par ondes de cisaillement a été utilisée comme examen diagnostique de référence. Elle mesure directement la rigidité du foie, un indicateur clé de la fibrose. Rapide, non invasive et fiable, elle constitue une alternative à la biopsie hépatique et est recommandée dans les lignes directrices internationales pour confirmer un diagnostic de fibrose et évaluer sa sévérité dans les maladies chroniques du foie.
- En raison des performances supérieures de l'analyse d'images de la langue par IA par rapport au FIB-4, et de la simplicité de l'examen, les auteurs proposent donc cette méthode comme première étape du dépistage de la fibrose hépatique.
La zone du Foie.
L'analyse numérique de la langue assistée par IA a révélé une attention particulière portée à la zone de la langue associée au foie en médecine chinoise. Cette focalisation renforce l'idée que l'IA peut exploiter des signaux visuels discrets pour un dépistage précis de la fibrose, en alignement avec les principes diagnostiques de la médecine chinoise.
Conclusion / perspective
- L'examen de la langue montre son intérêt comme outil diagnostique pour la fibrose hépatique. Mais il a aussi un potentiel pronostique, permettant de prédire la gravité et l'évolution des maladies, comme nous l'avons vu dans un précédent article sur l'insuffisance cardiaque aiguë [2].
- L'examen de la langue, traditionnellement utilisé en médecine chinoise pour orienter les décisions thérapeutiques dans le cadre des zheng, étend aujourd'hui son champ d'application. Il devient un outil diagnostique et pronostique pertinent dans le cadre général de la médecine.
- L'utilisation de l'IA pour analyser les images de la langue ouvre non seulement la voie à des recherches plus approfondies, mais élargit également le champ d'investigation. Intégrer cette technologie dans des applications mobiles rendrait ces outils facilement accessibles, favorisant ainsi leur utilisation à grande échelle.
Dr Johan Nguyen
Références
- Lu XZ, Hu HT, Li W, Deng JF, Chen LD, Cheng MQ, Huang H, Ke WP, Wang W, Sun BG. Exploring hepatic fibrosis screening via deep learning analysis of tongue images. J Tradit Complement Med. 2024 Mar 6;14(5):544-549. |doi| 🔓
- Nguyen J. La langue miroir facteur péjoratif dans l’insuffisance cardiaque aiguë ? Acupuncture Preuves & Pratiques. Juin 2024. |URL| 🔓
Vues : 123
Mots-clés : Diagnostic - Gastro-entérologie - Zheng
