Orthopédie : l’IA accélère la sélection des patients pour les arthroplasties de la hanche

Les données des patients recèlent une mine d’informations pouvant être exploitées par l’IA pour identifier le traitement le plus adapté à chaque individu, améliorant ainsi considérablement les soins. Selon une nouvelle étude de l’Université d’Aberdeen, en Ecosse, elles peuvent également réduire considérablement les temps d’attente pour une arthroplastie ou chirurgie de remplacement articulaire.

L’étude a mis en lumière un outil d’IA capable d’analyser rapidement et précisément les rapports de radiologie préopératoires, identifiant les patients aptes à une intervention chirurgicale, en particulier pour les remplacements de la hanche. Cet outil pourrait considérablement améliorer l’efficacité des soins, réduire les coûts et, surtout, raccourcir les listes d’attente saturées, ce qui serait un soulagement pour les milliers de patients qui attendent depuis longtemps une intervention.

Le Dr Luke Farrow, chercheur clinique de l’Université d’Aberdeen, qui a dirigé l’étude, a déclaré :

“Nous avons identifié que le résumé des résultats de la radiographie par le radiologue peut être utilisé avec succès pour aider à prédire quels patients orientés vers une arthroplastie de la hanche subiront une intervention chirurgicale”.

Ajoutant :

“Il s’agit de la première étude complète à confirmer le potentiel de l’intelligence artificielle dans ce domaine”.

Objectif de l’étude

Le but de l’étude du Dr Luke Farrow et de ses collègues de l’Université d’Aberdeen, Mingjun Zhong et Lesley Anderson, était d’examiner si le traitement du langage naturel (NLP) à l’aide d’un LLM basé sur la clinique pouvait être utilisé pour prédire la sélection des patients pour une arthroplastie totale de la hanche ou du genou (THA/TKA) à partir de rapports de radiologie en texte libre régulièrement disponibles.

Publiée dans le “Bone and Joint Journal”, elle s’inscrit dans le cadre du projet ARCHERY (Artificial Intelligence for Revolutionising Patient Care in Hip and Knee Arthroplasty), qui se concentre sur l’intégration de l’IA pour améliorer les parcours de soins des patients nécessitant une arthroplastie.

Méthode

Le prétraitement et l’analyse des données cliniques régionales écossaises anonymisées de patients orientés vers l’examen de THA/TKA, ont été réalisés selon le protocole du projet ARCHERY. Seuls les rapports de radiologie préopératoire ont été inclus. Les algorithmes de NLP ont été développés à partir de GatorTron, un LLM open source développé par l’Université de Floride et NVIDIA, entraîné sur plus de 82 milliards de mots de texte clinique anonymisé.

Le modèle a été ajusté finement sur 50 époques et validé par une méthode de validation croisée à trois cycles (k-fold). Les résultats ont ensuite été testés sur des cohortes externes.

Résultats

Pour la prédiction de la THA, 5 558 rapports de radiologie ont été analysés. Parmi eux, 4 137 ont été utilisés pour l’entraînement et les tests du modèle, tandis que 1 421 ont servi à la validation externe. Les performances du modèle après entraînement ont montré une précision moyenne de 0,850, un score F1 de 0,813, et une AUROC de 0,847. Ces résultats suggèrent une bonne performance pour la sélection des candidats à une THA.

Pour la TKA, 7 457 rapports ont été analysés, avec 3 478 utilisés pour l’entraînement et les tests, et 3 152 pour la validation externe. Les résultats ont montré une précision de 0,757, un score F1 de 0,543, et une AUROC de 0,717. Les performances pour la TKA ont été significativement moins bonnes que pour la THA, en particulier lors de la validation externe, où une détérioration notable des performances a été observée.

Limitations

Les résultats montrent que l’utilisation de ces rapports préopératoires de radiologie a un potentiel prometteur pour identifier les candidats appropriés pour une arthroplastie de la hanche, bien que les résultats soient moins convaincants pour l’arthroplastie du genou.

Selon les chercheurs, l’IA doit encore être entraînée en fonction des caractéristiques spécifiques du cadre de soins de santé dans lequel elle doit être utilisée.

Le Dr Farrow déclare :

“L’efficacité de l’algorithme d’IA développé s’est considérablement détériorée lorsqu’elle a été confrontée à des rapports de radiologie provenant d’un autre établissement de santé, ce qui indique la nécessité d’une formation supplémentaire sur une population plus large et plus diversifiée”.

Il ajoute :

“Des développements supplémentaires sont nécessaires pour s’assurer que l’algorithme fonctionne mieux lorsqu’il est appliqué à de nouveaux établissements de soins de santé, tels que différents trusts du NHS. Avec tout algorithme d’IA, il est important de s’assurer qu’il fonctionne efficacement dans le monde réel”.

Cependant, alors que les listes d’attente pour la chirurgie de remplacement articulaire n’ont jamais été aussi nombreuses en Ecosse, cette nouvelle technologie a le potentiel de transformer un système très saturé.

Le Dr Luke Farrow conclut :

“L’utilisation de cet outil d’IA dans la pratique clinique permettrait un examen automatisé rapide de nombreux patients, ce qui améliorerait probablement considérablement l’efficacité et réduirait les coûts associés – cela pourrait changer la vie de milliers de patients qui attendent depuis des années d’atteindre le sommet des listes chirurgicales”.

Références de l’article :

Farrow L, Zhong M, Anderson L. “Utilisation de techniques de traitement du langage naturel pour prédire la sélection des patients pour une arthroplastie totale de la hanche et du genou à partir de rapports de radiologie”.

Bone and Joint Journal 2024; 106-B(7) :688-695. doi :10.1302/0301-620X.106B7.BJJ-2024-0136

Recevez gratuitement l'actualité de l'intelligence artificielle

Suivez la Newsletter de référence sur l'intelligence artificielle (+ de 18 000 membres), quotidienne et 100% gratuite.


Tout comme vous, nous n'apprécions pas le spam. Vos coordonnées ne seront transmises à aucun tiers.
Partager l'article
intelligence artificielle
À PROPOS DE NOUS
Le portail francophone consacré à l'intelligence artificielle et à la datascience, à destination des chercheurs, étudiants, professionnels et passionnés.