Clinical and CT radiomics-based differentiation between invasive pulmonary fungal infections and secondary pulmonary tuberculosis

Le poumon humain est un paysage complexe et, lorsqu'il est infecté, le corps envoie souvent les mêmes signaux de détresse, quel que soit l'envahisseur. Deux ennemis particulièrement dangereux et difficiles à distinguer sont les infections fongiques pulmonaires invasives et la tuberculose pulmonaire secondaire. Le premier est une invasion fongique agressive qui prospère chez les personnes dont le système immunitaire est affaibli, frappant souvent ceux qui subissent des traitements médicaux de longue durée ou vivent avec des maladies graves. Le second est une réactivation des bactéries qui causent la tuberculose, lesquelles peuvent rester dormantes pendant des années avant de resurgir. Les deux pathologies peuvent provoquer de la fièvre, de la toux et un essoufflement, et lorsque les médecins examinent un scanner CT classique — une radiographie 3D détaillée de la poitrine — les images se ressemblent souvent de manière frappante. Ces deux maladies peuvent créer des zones nuageuses, des trous dans le tissu ou des masses solides qui ressemblent à des nodules. Cette confusion visuelle est dangereuse car les traitements sont complètement différents : l'un nécessite de puissants médicaments antifongiques, tandis que l'autre nécessite des antibiotiques spécifiques pour les bactéries. Donner le mauvais médicament peut être fatal, pourtant, distinguer l'un de l'autre repose souvent sur des biopsies invasives ou sur l'attente de plusieurs jours pour obtenir des cultures de laboratoire, un délai qui laisse les patients vulnérables.

Pour résoudre ce problème, une équipe de chercheurs issus d'hôpitaux chinois s'est donné pour mission de construire un outil numérique capable de voir ce que l'œil humain ne perçoit pas. Ils ont rassemblé les données de 283 patients, répartis en deux groupes : ceux présentant des infections fongiques confirmées et ceux souffrant de tuberculose secondaire. L'équipe a recueilli les antécédents médicaux des patients, les résultats des analyses de sang et les images réelles du scanner CT réalisées lors du diagnostic initial. Ils ont ensuite appliqué une technique appelée radiomique, qui traite une image médicale non pas comme une simple image, mais comme une immense grille de points de données. Tandis qu'un radiologue examine un scanner pour observer la forme d'une lésion, le logiciel de radiomique mesure des milliers de motifs minuscules et invisibles au sein de cette forme — des variations de texture, de densité et d'arrangement de pixels trop subtiles pour être remarquées par un humain. Les chercheurs ont combiné ces motifs d'images cachés avec des faits cliniques spécifiques, tels que le fait que le patient ait pris des antibiotiques à large spectre pendant une longue période, son taux d'hémoglobine et son nombre de neutrophiles, un type de globule blanc.

Les chercheurs ont d'abord construit un modèle utilisant uniquement les informations cliniques. Ils ont découvert que trois facteurs se distinguaient comme des indicateurs forts d'une infection fongique : un historique d'utilisation prolongée d'antibiotiques, des taux d'hémoglobine plus faibles et des nombres de neutrophiles plus élevés. Ce modèle clinique était utile, mais il n'était pas parfait. Ensuite, ils ont construit un modèle distinct utilisant uniquement les données radiomiques extraites des scanners CT. Ce modèle numérique s'est avéré beaucoup plus précis, identifiant les infections fongiques avec une grande exactitude en reconnaissant l'empreinte texturale unique de la maladie. Enfin, ils ont fusionné les deux approches en un seul outil intégré. Ce modèle combiné, qui pondère à la fois les analyses de sang du patient et les détails microscopiques de ses scanners pulmonaires, a obtenu les meilleurs résultats. Lors des tests, il a correctement distingué les deux maladies environ 84 % du temps sur un nouveau groupe de patients, ce qui représente une améliation significative par rapport à l'utilisation des seuls signes cliniques.

Le véritable test de ce nouvel outil est survenu lorsque les chercheurs ont comparé ses performances à celles d'experts humains. Deux radiologues, l'un ayant plus de quinze ans d'expérience et l'autre de six ans, ont examiné les mêmes scanners CT et données cliniques pour établir leurs propres diagnostics. Bien que le médecin expérimenté ait performé de manière raisonnable, le modèle informatique a tout de même surpassé les deux radiologues, tant le senior que le junior. L'étude suggère que si les médecins humains sont habiles pour repérer les caractéristiques évidentes des maladies pulmonaires, ils éprouvent des difficultés face aux textures subtiles et chevauchantes qui définissent ces deux infections spécifiques. Le modèle numérique, quant à lui, ne se fatigue pas et ne se laisse pas distraire ; il mesure systématiquement les milliers de points de données qui définissent la véritable nature de la maladie.

Cette recherche ne prétend pas avoir trouvé un remède miracle ou une solution parfaite qui éliminerait toute incertitude. Les auteurs reconnaissent que leur outil a été testé sur un groupe spécifique de patients et que les infections fongiques étudiées comprenaient trois types différents, qui pourraient se comporter légèrement différemment. Ils notent également que la méthode repose sur des scanners de haute qualité et des données standardisées, qui peuvent varier d'un hôpital à l'autre. Cependant, les conclusions offrent une voie concrète vers l'avenir. En fournissant un second avis objectif et quantitatif, ce modèle combiné pourrait aider les médecins à prendre des décisions plus rapides et plus précises. Pour un patient allongé dans un lit d'hôpital avec une infection pulmonaire confuse, cet outil représente un moyen de percer le brouillard visuel, garantissant qu'il reçoive le traitement correct plus tôt et évitant les délais mortels qui découlent de l'incertitude entre deux ennemis très similaires.