La maladiecoronarienne implique le rétrécissement des vaisseaux sanguins du cœur,également connu sous le nom de sténose, et constitue une cause majeure demortalité mondiale, nécessitant une évaluation précise pour un traitementefficace. La norme actuelle pour évaluer la gravité de la sténose, qui reposesur l'interprétation visuelle des vidéos d'angiographie coronarienne par lescardiologues, présente une variabilité significative, soulignant la nécessitéde méthodes standardisées et objectives. Des algorithmes basés sur l'IA ont étédéveloppés pour résoudre ce problème, mais ces méthodes ont des limitesinhérentes qui sont abordées avec DeepCoro.
Qu'est-ce que DeepCoro?
DeepCoro, unnouveau pipeline piloté par l'IA, redéfinit l'évaluation de la gravité de lasténose en utilisant des algorithmes avancés pour analyser les vidéosd'angiographie coronarienne de manière exhaustive. Contrairement aux méthodesd'évaluation de la sténose précédentes, DeepCoro est une série de modèles baséssur la vidéo. Il exploite la dimension temporelle des vidéos angiographiques,capturant la dynamique du cœur et de la sténose. Cette approche innovantepermet à DeepCoro de surpasser les performances de toutes les autres méthodessimilaires, qui manquent de cette considération cruciale des dynamiquestemporelles. Entraîné sur des données réelles extensives, DeepCoro offre uneprécision inégalée dans l'identification des sténoses, améliorant la fiabilitédiagnostique dans l'évaluation des sténoses.
Comment fonctionne DeepCoro?
DeepCorointègre des algorithmes de pointe pour l'alignement des vidéos, la segmentationdes vaisseaux, l'identification de la structure coronaire et la prédiction dela gravité de la sténose. En exploitant la dimension temporelle des vidéosd'angiographie coronarienne, DeepCoro imite l'analyse complète descardiologues, assurant une évaluation précise de la sténose.
Figure 1. Pipeline DeepCoro
Avantages de DeepCoro
DeepCoro surpasseles méthodes existantes, démontrant une précision supérieure et une variabilitéréduite dans l'évaluation de la sténose. De plus, DeepCoro tire parti d'unvaste ensemble de données réelles de plus de 180 000 vidéos angiographiques.Cette base de données sert de socle aux algorithmes de DeepCoro, améliorantcontinuellement sa précision et son efficacité. Avec une attention particulièreaux dynamiques temporelles, DeepCoro représente un bond en avant dansl'évaluation des sténoses, offrant une analyse plus fiable et cohérente desvidéos d'angiographie coronarienne.
Figure 2. Performancedes modèles
Table 1. Performance de DeepCORO compare auxrapports d’angiographie coronaire, en utilisant l’annotation de « corelab » comme étalon d’or.
DeepCoro surpasse considérablement les rapports cliniques en termes de sensibilité, AUROC et AUPRC, avec une variabilité réduite dans les mesures de classification et de régression, soulignant sa plus grande précision et cohérence dans l'évaluation des angiogrammes par rapport aux rapports cliniques d'un seul cardiologue, par rapport à l'évaluation des examens par un laboratoire principal.
Conclusion
DeepCoro propose une approche standardisée et objective de l’interprétation de l’angiographie coronarienne. Ses performances supérieures et son adaptabilité sont prometteuses pour les applications futures, rationalisant potentiellement les flux de travail cliniques et améliorant les résultats pour les patients en facilitant des décisions de traitement éclairées. À mesure que DeepCoro continue d’évoluer, son impact sur la pratique clinique et les soins aux patients est sur le point d’être transformateur.