Prediction of pancreatic neuroendocrine tumor grading using an artificial intelligence-based video analysis model applied to contrastenhanced endoscopic ultrasound videos

 

Auteurs : M. Tacelli , A. Meyer , P. Biamonte , A. Vardazaryan , R. Nunziata , L. Sosa Valencia , G. Capurso , N. Padoy , P.G. Arcidiacono

 

Problématique justifiant la recherche ou l’étude 

La prise en charge des tumeurs endocrines du pancréas (TEP) dépend leur taille, de l’indice mitotique et du  Ki-67 qui est le principal facteur pronostique, les tumeurs non fonctionnelles de grade 1 <2 cm étant souvent surveillées, tandis que les tumeurs de grade G2/G3 nécessitent un traitement chirurgical.

L’échoendoscopie de contraste (CE-EUS) permet de suspecter des lésions de bas grade devant un rehaussement précoce avec élimination rapide au contraire des tumeurs de haut grade, qui se rehaussent moins avec une densité micro vasculaire plus faible. Cependant, l’interprétation de la CE-EUS est subjective.

 

But : Evaluer l’apport de l’intelligence artificielle (IA) pour la prédiction du grade des TEP 

 

Matériels et méthodes 

Il s’agissait d’une étude rétrospective réalisée à l’hôpital San Rafaele  (Italie) incluant des patients avec TEP opérées ou  ayant été ponctionnées avec une confirmation histologique et ayant eu une écho endoscopie de contraste. Du Sonovue©  était utilisé comme contraste. Les films vidéo des endoscopies étaient analysés à l’IHU de Strasbourg sur un modèle d’IA d’échoendoscopie. Un modèle prédictif était élaboré après sélection des tests les plus performants.

 

Résultats 

115 patients (77 hommes) ont été inclus dont 70 tumeurs G1 et 45 tumeurs G2. La  taille médiane des lésions (G1 : 17 mm vs G2 : 16 mm), la localisation tumorale (tête : 41,2%), et la rigidité en élastographie (rigide : 52,9%) ne différaient pas significativement.

L’analyse IA a identifié les tumeurs G1 avec une précision de 67% et une sensibilité de 86%. Le modèle « GradAINet » démontrait pour les performances globales une sensibilité de 0,817 (IC 95% : 0,556-1,000), une spécificité 0,806 (IC : 0,588-1,000), une PPV de 0,759, une NPV 0,856, et une précision diagnostique de 0,811. En fonction du grade, la sensibilité du G1 était de 0,796, la spécificité de 0,817, la VPP de 0,859, la VPN de 0,741 et la précision de 0,805. Pour G2-G3, la sensibilité était de 0,817, la spécificité de 0,796, la VPP de 0,741, la VPN de 0,859 et la précision de 0,805.

 

Conclusion 

L’échoendoscopie est actuellement l’examen le plus compliqué à associer à de l’IA du fait du caractère dynamique des images et de leur difficultés d’interprétations, rendant le Deep learning très complexe. Pour autant les enjeux sont importants en termes de qualité des examens et d’assistance à l’apprentissage et il est nécessaire d’avoir des études sur les différents aspects de l’échoendoscopie que l’IA pourrait améliorer.

Il s’agit de la première étude utilisant l’IA sur des séquences vidéo CE-EUS complètes. « GradAINet » montre une précision intéressante (0,811). Cependant, une validation multicentrique supplémentaire couplée à l’intégration de données cliniques et biologiques res sont nécessaires pour confirmer la reproductibilité.

 

Intérêt pour le malade  3/5

Applicabilité en pratique de routine 2/5

 

Par Philippe Grandval