Intelligence artificielle : un intérêt pour l’analyse des données échocardiographiques

L’intelligence artificielle augmente la fiabilité des résultats.    EchoNet-RCT est l’une des premières études randomisées en aveugle sur l’intelligence artificielle (IA) appliquée au domaine de l’échographie cardiaque. Elle s’inscrit dans le cadre des avancées nouvelles en matière d’IA appliquée à la médecine et plus particulièrement à la cardiologie. Il s’agit d’une étude innovante de par sa méthodologie, car elle consiste en un essai randomisé en aveugle, alors que jusqu’ici la grande majorité des études dans ce domaine étaient basées exclusivement sur des données rétrospectives. Avant toute chose, il faut savoir qu’aux Etats-Unis, ce n’est pas le cardiologue lui-même qui réalise les examens d’échocardiographie, mais un assistant spécialisé appelé « sonographer ». Le sonographer est le point de comparaison de l’essai EchoNet-RCT, dont le but est d’évaluer les performances diagnostiques de l’IA automatique par rapport à celle d’un sonographer dans la mesure de la FEVG. Autrement dit, l’objectif est d’observer la différence de mesure de la FEVG entre l’IA et l’échographiste. Dans cette étude, les échographies sont d’abord réalisées classiquement par un sonographer, puis randomisées pour estimation de la FEVG soit par l’IA soit par le sonographer. L’évaluation est ensuite relue par un cardiologue, qui est en aveugle de la technique employée. Il ressort de ces analyses que la mesure de la FEVG par l’IA diminuait les variabilités entre le rapport d’évaluation initial et le rapport final après relecture par le cardiologue, ce qui signifie qu’elle augmenterait la fiabilité des résultats.  A ceci s’ajoute une réduction du temps d’examen, avec un gain de temps observé de 2 minutes en moyenne. EchoNet-RCT se positionne donc comme le précurseur d’études futures sur cette piste, qui gagneront à être plus larges et à opter pour une méthologie la plus précise possible.