BoneAgeTW2: Automated Skeletal Maturation Assessment via the Tanner-Whitehouse 2 Method, Deep Learning, and Clinical Report Generation with Distribution Curves

Imaginez que votre corps est un chantier de construction, et que vos os sont les poutres d'acier en cours d'érection. Si votre anniversaire vous indique depuis combien d'années vous êtes sur le chantier, vos os ont leur propre horloge interne, grandissant et se durcissant à leur propre rythme. Parfois, cette horloge biologique tourne vite, parfois lentement, et les médecins doivent connaître la différence pour aider les enfants souffrant de problèmes de croissance ou pour comprendre le temps qu'il reste à un adolescent pour grandir en taille. Pendant des décennies, la « référence » pour vérifier cette horloge osseuse a été une méthode appelée Tanner-Whitehouse 2 (TW2). C'est comme un maître d'œuvre inspectant 20 poutres d'acier spécifiques dans la main et le poignet, vérifiant chacune d'elles pour voir si elle est encore souple et en croissance ou si elle est complètement durcie. Cette inspection est incroyablement détaillée mais aussi incroyablement lente, prenant à un expert humain 10 à 20 minutes par patient, et même ainsi, deux experts peuvent être en désaccord de l'ordre d'un an.

Entrez maintenant dans l'ère d'un nouvel outil numérique conçu pour accélérer ce processus sans perdre de détails. Ce document présente BoneAgeTW2, un système d'intelligence artificielle qui agit comme un apprenti radiologue super rapide et infatigable. Au lieu de simplement deviner un chiffre unique pour l'âge osseux d'un enfant, ce système imite le processus exact de l'expert humain. Il examine une radiographie d'une main, trouve 20 os spécifiques et attribue un stade de maturité à chacun d'eux, tout comme le ferait un humain. Il traite ensuite les chiffres pour donner une estimation finale de l'âge, accompagnée d'une marge de confiance et d'un rapport visuel montrant exactement comment chaque os se compare à la moyenne pour cet âge. L'objectif n'est pas seulement d'être rapide ; c'est d'être transparent, en donnant aux médecins une décomposition claire et étape par étape du pourquoi le système est arrivé à sa conclusion, plutôt qu'une réponse mystérieuse de type « boîte noire ».

Le Problème : La méthode humaine, lente

Pendant longtemps, vérifier l'âge osseux d'un enfant a été un peu comme lire une carte manuscrite très complexe. La méthode Tanner-Whitehouse 2 (TW2) est la carte utilisée par tout le monde en Amérique latine et en Europe. Pour la lire, un radiologiste doit examiner une radiographie d'une main et identifier 20 os spécifiques, des longs os des doigts aux petits os en forme de pièces de puzzle du poignet. Pour chaque os, il doit décider de quel « stade » de maturité il est, allant d'un stade initial mou (A) à un stade adulte complètement durci (I).

Une fois qu'il a scoré les 20 os, il doit additionner les points en utilisant des tableaux spéciaux pour obtenir un « âge osseux » final. Pour donner du sens au résultat, ils dessinent souvent des courbes en cloche (distributions gaussiennes) pour voir si un os spécifique est en avance sur l'horloge ou en retard. Le problème ? Tout ce processus prend 10 à 20 minutes par patient. Cela nécessite des années de formation et, comme c'est très manuel, deux médecins différents peuvent donner des réponses différentes pour la même radiographie, parfois avec un écart allant jusqu'à 12 mois. Bien qu'il existe des outils commerciaux capables de deviner un âge osseux, ils sont coûteux, à code source fermé (vous ne pouvez pas voir comment ils fonctionnent) et ils se contentent généralement de recracher un chiffre unique sans montrer le travail derrière.

La Solution : BoneAgeTW2

Les auteurs de ce document ont construit BoneAgeTW2, un système open-source qui automatise l'intégralité du flux de travail TW2. Considérez cela comme une chaîne de montage numérique qui prend une radiographie à une extrémité et recrache un rapport clinique complet en moins de 5 secondes.

Voici comment la machine fonctionne, étape par étape :

1. La Configuration : D'abord, le système nettoie l'image de la radiographie. Il vérifie le fichier numérique pour voir si l'image est agrandie (comme une photo prise trop près d'une fenêtre) et corrige la taille automatiquement. Il retourne également l'image s'il s'agit d'une main droite, garantissant que l'ordinateur regarde toujours une vue de « main gauche », conformément à ses données d'entraînement.
2. La Détection des Os : En utilisant un détecteur intelligent appelé YOLOv8, le système traque les 20 os spécifiques de la main. Il dessine un cadre autour de chacun d'eux, agissant comme un surligneur marquant les points que le radiologue doit vérifier.
3. La Classification : C'est la partie délicate. Le système doit savoir à quel stade (de A à I) se trouve chaque os. Comme les données d'entraînement ne comportaient pas d'étiquettes pour chaque stade de chaque os, les auteurs ont utilisé une astuce ingénieuse appelée « pseudo-étiquetage ». Ils ont utilisé l'âge osseux connu du patient pour deviner le stade le plus probable pour chaque os, créant ainsi un ensemble d'entraînement. Ensuite, ils ont entraîné un modèle d'apprentissage profond (EfficientNet-B3) avec 20 « têtes » différentes, où chaque tête est un expert sur un seul os spécifique.
4. Le Scoring : Une fois que le système a un stade pour chaque os, il additionne les points exactement selon les règles officielles de la TW2. Il calcule un score pour les os longs (RUS) et les os du carpe (Carpal).
5. Le Rapport : Enfin, il génère un rapport complet. Ce n'est pas juste un chiffre. Il comprend une image annotée montrant les 20 cadres, un tableau avec le score pour chaque os et — c'est la partie intéressante — des courbes en cloche interactives. Ces courbes montrent au médecin exactement où se situe l'os du patient par rapport à la population moyenne. Si un os est retardé, le médecin peut voir la courbe culminer loin à gauche de l'âge réel du patient.

Ce que le système accomplit (et ce qu'il ne fait pas)

Le document présente BoneAgeTW2 comme un système qui automatise avec succès l'intégralité du processus TW2, de l'image brute au rapport PDF téléchargeable. Le système est conçu pour fonctionner sur du matériel informatique standard (CPU) en moins de 5 secondes, ou encore plus vite sur une carte graphique (GPU).

Les auteurs prennent soin de gérer les attentes concernant la précision. Ils reconnaissent que, parce que le système est contraint de suivre les règles rigides et étape par étape de la méthode TW2 (qui utilise des stades discrets comme A, B, C), il pourrait ne pas être aussi mathématiquement précis que certains systèmes d'IA de type « boîte noire » qui devinent directement un chiffre. En fait, ils s'attendent à ce que leur système ait une marge d'erreur (Erreur Absolue Moyenne) légèrement plus élevée que ces modèles d'IA plus simples. Cependant, ils soutiennent que c'est un compromis acceptable. L'objectif n'est pas seulement d'être le calculateur le plus précis ; c'est d'être explicable.

En décomposant la réponse os par os, le système permet à un médecin de voir quels os causent un retard ou une avance. Si l'âge osseux d'un enfant est bas, le médecin peut consulter le rapport et voir : « Ah, le radius est au stade F, mais l'ulna est au stade E », ce qui donne une image bien plus claire de l'état du patient qu'un chiffre unique ne pourrait jamais le faire.

La fonctionnalité de la « Courbe en Cloche »

L'une des caractéristiques les plus uniques de BoneAgeTW2 est la façon dont il visualise les données. Pour chacun des 20 os, le système dessine une courbe en cloche. Imaginez un graphique où la ligne horizontale est l'âge, et la courbe montre à quel point un certain stade osseux est courant à différents âges.

• Si l'os du patient est au stade « E », le système met en évidence la courbe « E ».
• Il trace ensuite une ligne verticale pour l'âge réel du patient.
• Si la ligne est loin à droite du sommet de la courbe, le médecin sait que l'os est « retardé » (il agit comme s'il était plus jeune que le patient).
• Si la ligne est à gauche, l'os est « avancé ».

Cet outil visuel, qui est habituellement dessiné à la main ou totalement omis en raison des contraintes de temps, est généré automatiquement pour chaque os, offrant une vue riche et détaillée de la maturité squelettique de l'enfant.

Conclusion

BoneAgeTW2 est un système de preuve de concept qui apporte le raisonnement détaillé et humain de la méthode Tanner-Whitehouse 2 à l'ère numérique. Il ne remplace pas le radiologue ; il agit plutôt comme un assistant puissant qui effectue le travail de force consistant à trouver les os, les scorer et dessiner les graphiques en quelques secondes. Les auteurs soulignent qu'il s'agit d'un outil d'aide à la décision qui doit toujours être révisé par un médecin qualifié, d'autant plus que le système repose sur des données d'entraînement qui pourraient ne pas correspondre parfaitement à toutes les populations (comme les enfants de Colombie, où l'étude a été réalisée).

Bien que le système ne soit pas encore un dispositif médical « résolu » prêt pour tous les hôpitaux, il démontre qu'il est possible d'automatiser un protocole médical complexe et manuel tout en conservant une logique transparente. Il transforme une tâche de 20 minutes, réservée aux experts, en un processus de 5 secondes produisant un rapport si détaillé qu'un médecin peut voir exactement comment l'IA est arrivée à sa conclusion, os par os.