Protocol for a prospective accuracy study on an artificial intelligence-based ultrasound system for gestational age estimation among pregnant women in Ghana, Kenya and South Africa

Ce protocole décrit une étude prospective multicentrique au Ghana, au Kenya et en Afrique du Sud visant à valider la précision d'un système d'échographie basé sur l'intelligence artificielle pour l'estimation de l'âge gestationnel chez les femmes enceintes, afin de soutenir la mise en œuvre du essai PEARLS sur la prévention de la prééclampsie.

L'essentiel

🌍 Le Grand Défi : Trouver l'heure exacte de la naissance

Imaginez que vous essayez de cuisiner un gâteau parfait. Si vous ne savez pas exactement depuis combien de temps il cuit dans le four, vous risquez de le brûler ou de le laisser trop cru. Pour les bébés, c'est la même chose : connaître l'âge gestationnel (la "date de naissance" du bébé dans le ventre de sa mère) est crucial.

C'est particulièrement important pour prévenir une maladie grave appelée la pré-éclampsie (une sorte de crise de tension dangereuse pour la mère et l'enfant). Pour éviter cela, les médecins recommandent de donner un petit comprimé d'aspirine aux femmes à risque, mais il faut le faire avant la 20ème semaine. Si on se trompe sur l'âge du bébé, on peut rater le coche ou donner le médicament trop tard.

🚧 Le Problème : Pas assez de "Chefs Cuisiniers" experts

Dans de nombreux pays d'Afrique (comme le Ghana, le Kenya et l'Afrique du Sud), il y a un gros problème : les échographistes experts (les "chefs cuisiniers" capables de lire les images complexes) sont rares. De plus, les gros appareils d'échographie sont lourds, chers et ne rentrent pas toujours dans les petits centres de santé de campagne. Beaucoup de femmes ne font donc jamais d'échographie, ou trop tard.

🤖 La Solution Magique : L'Intelligence Artificielle "Autonome"

Les chercheurs ont une idée géniale : et si on utilisait une Intelligence Artificielle (IA) pour faire le travail ?

Imaginez un appareil d'échographie de la taille d'un smartphone, tenu dans la main. Au lieu de demander à un expert de regarder l'image pendant des heures, l'IA agit comme un GPS ultra-sophistiqué.

1. Une sage-femme (pas besoin d'être un expert) passe simplement la sonde sur le ventre de la femme, comme si elle faisait des balayages (des "sweeps").
2. L'IA regarde les images en temps réel et dit instantanément : "Ah, le bébé a exactement 13 semaines et 2 jours !".

Ce système s'appelle ScanNav FetalCheck. Il a déjà été entraîné sur des millions d'images venant d'Europe, d'Inde et d'Australie. Mais... est-ce que ça marche aussi bien en Afrique ? C'est là que cette étude intervient.

🔬 L'Expérience : Le Duel "Expert vs Robot"

Ce document est le plan de bataille (le protocole) pour tester cette nouvelle technologie dans la vraie vie. Voici comment ça va se passer :

1. Le Terrain de Jeu : L'étude aura lieu dans 13 hôpitaux et centres de santé au Ghana, au Kenya et en Afrique du Sud.
2. Les Joueurs : On va inviter 969 femmes enceintes (entre 11 et 13 semaines de grossesse).
3. Le Match en Deux Temps :
   • Le "Standard d'Or" (Le Champion) : Un expert en échographie va faire une mesure très précise et classique (comme un chef cuisinier qui pèse chaque ingrédient au gramme près). C'est la référence.
   • Le "Défi" (Le Robot) : Juste après, une sage-femme va utiliser l'appareil IA pour faire sa propre estimation, sans savoir ce que l'expert a trouvé.
   • Le Second Round : Les femmes reviendront plus tard (entre 14 et 27 semaines) pour refaire le même duel.

🎯 L'Objectif Final : Gagner la confiance

L'objectif n'est pas de remplacer les experts, mais de voir si le "Robot" est aussi précis que l'expert.

• Si l'IA donne la même heure que l'expert, c'est une victoire majeure. Cela signifie que n'importe quelle sage-femme, même dans un petit village, pourra donner une estimation fiable de l'âge du bébé.
• Cela permettra de dépister beaucoup plus de femmes à risque de pré-éclampsie et de leur donner l'aspirine au bon moment.

🌟 Pourquoi c'est important ?

C'est un peu comme passer d'une montre à gousset (précise mais rare et chère) à un smartphone (accessible à tout le monde et tout aussi précis). Si cette étude réussit, elle pourrait sauver des milliers de vies en rendant les soins de grossesse de haute qualité accessibles à toutes les femmes, partout en Afrique, peu importe où elles vivent.

En résumé : On teste si un petit robot intelligent peut aider les mamans africaines à avoir un bébé en meilleure santé, en remplaçant la complexité par de la simplicité.

Résumé technique

Titre de l'étude

Protocole d'une étude de précision prospective sur un système d'échographie basé sur l'intelligence artificielle pour l'estimation de l'âge gestationnel chez les femmes enceintes au Ghana, au Kenya et en Afrique du Sud.

---

1. Problématique et Contexte

La prééclampsie reste une cause majeure de mortalité et de morbidité maternelle et néonatale, en particulier dans les pays à revenu faible et intermédiaire (PRFI). La prévention repose sur le dépistage précoce des femmes à risque et l'administration d'aspirine à faible dose avant 20 semaines de gestation. Cependant, l'efficacité de ce dépistage (notamment via l'outil de la Fetal Medicine Foundation - FMF) dépend crucialement d'une estimation précise de l'âge gestationnel.

Dans de nombreux PRFI, l'accès à l'échographie standardisée pour dater la grossesse est limité par le manque d'opérateurs experts et d'équipements. Bien que des algorithmes d'intelligence artificielle (IA) aient été développés pour estimer l'âge gestationnel à partir d'images échographiques "aveugles" (balayages abdominaux simples), leur validité n'a pas encore été prouvée dans des études prospectives en milieu réel, spécifiquement dans les populations africaines et les contextes de soins de santé primaires.

2. Objectifs de l'étude

L'objectif principal est de valider la précision et la justesse du système IU ScanNav FetalCheck (basé sur l'IA et couplé à une sonde échographique portable GE VScan Air) par rapport à l'échographie conventionnelle (standard de référence).

Objectifs spécifiques :

• Objectif 1 : Évaluer la précision du système IA au premier trimestre (11+0 à 13+6 semaines) comparée à la mesure de la longueur crânio-caudale (LCC/CRL) par échographie conventionnelle.
• Objectif 2 : Évaluer la précision du système IA au deuxième trimestre (14+0 à 27+6 semaines) comparée à l'âge gestationnel extrapolé à partir de la LCC du premier trimestre.
• Objectif 3 : Évaluer la précision du système IA au deuxième trimestre comparée aux mesures biométriques fœtales conventionnelles (BIP, CP, CP, FL) du deuxième trimestre.
• Objectif 4 : Déterminer la capacité du système IA à identifier correctement les femmes ayant moins de 20 semaines de gestation au deuxième trimestre.

3. Méthodologie

Design de l'étude :
Il s'agit d'une étude de cohorte prospective multicentrique menée dans 13 établissements de santé au Ghana, au Kenya et en Afrique du Sud.

Population :

• Critères d'inclusion : Femmes enceintes présentant pour une visite prénatale entre 11+0 et 13+6 semaines de gestation.
• Critères d'exclusion : Grossesses avec anomalies fœtales majeures connues ou absence de rythme cardiaque fœtal.
• Taille de l'échantillon : 969 femmes au total (environ 323 par pays, visant 290 femmes complètes par pays après perte de suivi estimée à 10 %).

Procédure et Déroulement :
L'étude comporte deux visites :

1. Visite 1 (Premier trimestre) :
   • Une sonographe experte effectue une échographie conventionnelle (mesure de la LCC selon les normes ISUOG/INTERGROWTH-21st).
   • Immédiatement après, une sage-femme formée effectue six balayages abdominaux "aveugles" (sans visualisation de l'écran) à l'aide du dispositif IU ScanNav FetalCheck.
   • L'algorithme IA génère une estimation immédiate de l'âge gestationnel.
   • Les opérateurs sont aveuglés aux résultats de l'autre méthode.
2. Visite 2 (Deuxième trimestre) :
   • Les participantes reviennent à une date aléatoire entre 14+0 et 27+6 semaines.
   • La même séquence est répétée : échographie conventionnelle (biométrie complète : BIP, CP, CP, FL) suivie du balayage IA.

Formation et Assurance Qualité :

• Les sonographes experts sont accrédités selon les critères de qualité de l'INTERGROWTH-21st (au moins 80 % des images doivent répondre aux critères).
• Les sages-femmes utilisant l'IA reçoivent une formation pratique d'une journée.
• Un système de contrôle qualité strict est mis en place : révision de 100 % des images par des experts pendant les 4 premières semaines, puis 20 % aléatoirement.

Analyse Statistique :

• Comparaison des estimations d'âge gestationnel via des graphiques de Bland-Altman pour déterminer la différence moyenne et les limites d'accord (95 %).
• Évaluation des biais fixes et proportionnels via la régression de l'axe majeur réduit (RMAR).
• Calcul des taux de détection et des faux positifs pour l'objectif 4.

4. Résultats Attendus et Contributions Clés

Note : Ce document est un protocole d'étude ; les résultats définitifs ne sont pas encore disponibles. Le résumé ci-dessous décrit les contributions attendues et la valeur ajoutée de la méthodologie.

Contributions principales :

1. Validation en contexte réel : C'est la première étude prospective évaluant ce système IA spécifique dans des environnements cliniques réels en Afrique subsaharienne, au-delà des validations in silico ou sur des données rétrospectives occidentales/asiatiques.
2. Démocratisation de l'échographie : L'étude vise à prouver que des opérateurs non-experts (sages-femmes) peuvent obtenir des estimations d'âge gestationnel fiables grâce à l'IA, réduisant ainsi la dépendance aux spécialistes en médecine fœtale.
3. Support au dépistage de la prééclampsie : En validant la précision de l'âge gestationnel, l'étude fournit les données nécessaires pour déployer à grande échelle le dépistage de la prééclampsie (outil FMF) et l'administration d'aspirine préventive dans les PRFI.
4. Équité technologique : L'utilisation d'un dispositif portable (GE VScan Air) et peu coûteux pourrait combler le fossé technologique entre les pays à revenu élevé et les PRFI.

5. Signification et Impact Potentiel

Cette étude est une étape critique (phase formative) pour le grand essai randomisé PEARLS (Prévention de la prééclampsie : Évaluation des régimes d'aspirine à faible dose). Sans une estimation fiable de l'âge gestationnel, le dépistage du risque de prééclampsie et l'administration ciblée de l'aspirine (avant 20 semaines) ne peuvent être effectués correctement.

Si le système IA démontre une équivalence avec l'échographie conventionnelle :

• Il permettra une mise à l'échelle rapide des services de datation de la grossesse dans les zones rurales et sous-équipées.
• Il soutiendra les recommandations de l'OMS visant à offrir une échographie à toutes les femmes enceintes avant 24 semaines.
• Il pourrait ouvrir la voie à d'autres applications de l'IA pour la surveillance de la croissance fœtale et la détection d'anomalies dans les contextes à ressources limitées.

En résumé, ce protocole décrit une initiative rigoureuse visant à transformer la prise en charge prénatale en Afrique en validant une technologie d'IA capable de rendre l'échographie de précision accessible à tous, indépendamment de l'expertise locale.