Machine/Deep Learning-Based Position Prediction of Pulmonary Nodules in Free- Breathing CT-Guided Lung Puncture: A Single-Center Prospective Cohort Study
Cette étude prospective monocentrique démontre qu'un nouveau cadre d'apprentissage automatique, utilisant uniquement un scanner CT de base combiné à des signaux de débit d'air nasal portable ou de pléthysmographie inductive respiratoire, peut parvenir à une prédiction en temps réel sous-millimétrique de la position des nodules pulmonaires pendant la respiration libre, améliorant ainsi la sécurité et l'efficacité des ponctions pulmonaires guidées par CT sans nécessuer d'apnée ou d'imagerie dynamique supplémentaire.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez un médecin tentant de placer une minuscule aiguille dans une cible petite et mobile à l'intérieur du thorax d'un patient. Il s'agit d'une procédure de routine mais délicate, utilisée pour diagnostiquer ou traiter des nodules pulmonaires, de petites excroissances qui peuvent être bénignes ou cancéreuses. Le défi réside dans le fait que les poumons ne sont jamais réellement immobiles ; ils se dilatent et se contractent à chaque respiration, ce qui fait dériver la cible de haut en bas. Pour compenser, les médecins demandent souvent aux patients de bloquer leur respiration, mais cela est difficile pour beaucoup, en particulier pour les personnes âgées ou celles souffrant de maladies pulmonaires. Si le patient ne peut pas rester immobile, le médecin doit effectuer plusieurs scanners X pour suivre le mouvement, ce qui augmente l'exposition aux radiations et prolonge le temps passé par le patient sur la table. Depuis des années, la communauté médicale cherche un moyen de prédire exactement où se trouvera cette cible à n'importe quel moment lors d'une respiration normale, permettant au médecin de viser avec précision sans forcer le patient à arrêter de respirer ou en effectuant d'innombrables examens supplémentaires.
Une équipe de chercheurs de l'Hôpital de l'Université du Peuple de Pékin a développé une nouvelle méthode pour résoudre ce problème en utilisant l'intelligence artificielle et des capteurs simples et portables. Dans une étude récente impliquant 139 patients, ils ont testé un système capable de prédire le mouvement vertical des nodules pulmonaires avec une précision sous-millimétrique. Les chercheurs ne se sont pas appuyés sur des machines complexes et coûteuses ou sur de nouveaux types de scanners à haute dose de radiation. Au lieu de cela, ils ont utilisé un scanner CT de planification standard pour localiser initialement le nodule, puis ont attaché des capteurs légers et non invasifs sur le visage et le torse des patients. Ces capteurs, similaires à ceux utilisés dans les cliniques du sommeil, surveillaient le flux d'air par le nez et l'expansion de la poitrine et de l'abdomen pendant que les patients respiraient naturellement.
Le cœur de l'étude consistait à voir si un ordinateur pouvait apprendre la relation entre ces signaux respiratoires et le mouvement réel des nodules pulmonaires. L'équipe a collecté des données sur 143 nodules, enregistrant la position exacte de chaque nodule lors de plusieurs scanners CT réalisés pendant que les patients respiraient librement. Ils ont injecté ces informations dans deux types de modèles informatiques différents : l'un basé sur une méthode statistique appelée machine à vecteurs de support, et un autre basé sur un algorithme d'apprentissage profond connu sous le nom de ResNet-18. L'objectif était que l'ordinateur puisse observer le signal respiratoire à n'importe quel moment et prédire exactement où se trouverait le nodule, même si le patient était au milieu d'un cycle respiratoire.
Les résultats étaient remarquablement précis. Lorsque les modèles ont été testés sur de nouvelles données qu'ils n'avaient jamais vues, l'erreur statistique (mesurée comme l'erreur quadratique moyenne) était d'environ 0,166 à 0,198 mm². Crucialement, l'étude a explicitement confirmé que les erreurs de prédiction absolues réelles de la position du nodule restaient inférieures à 0,5 mm pour tous les modèles. Pour mettre cela en perspective, l'épaisseur d'un cheveu humain est d'environ 0,05 à 0,1 millimètre, ce qui signifie que la prédiction était assez précise pour suivre un mouvement bien plus petit que la largeur d'un seul cheveu. Le système fonctionnait de manière constante, que le patient soit allongé sur le dos, sur le ventre ou sur le côté, et que le nodule soit situé dans la partie supérieure ou inférieure du poumon. Les modèles étaient légèrement plus performants en utilisant le signal de débit d'air nasal par rapport au signal de la ceinture thoracique, mais les deux méthodes atteignaient le haut niveau de précision nécessaire à l'utilisation clinique.
Cette approche offre un changement significatif dans la manière dont ces procédures pourraient être réalisées. Actuellement, si un patient ne peut pas bloquer sa respiration, le médecin doit interrompre la procédure à plusieurs reprises pour effectuer de nouveaux scanners et vérifier la position de l'aiguille, ce qui ajoute du temps et de l'exposition aux radiations. Avec ce nouvel outil prédictif, le médecin pourrait théoriquement savoir où se trouve le nodule à chaque seconde du cycle respiratoire. Cela permettrait une procédure plus fluide et plus rapide, où l'aiguille peut être guidée en continu sans nécessiter de fréquentes interruptions ou de blocages forcés de la respiration. Le système ne nécessite qu'un scanner CT standard et un petit dispositif de surveillance portable, ce qui en fait une solution à faible coût qui pourrait être intégrée dans les flux de travail hospitaliers existants sans nécessiter de bras robotisés coûteux ou de changements majeurs d'infrastructure.
L'étude a été menée comme un essai prospectif monocentrique, ce qui signifie que les chercheurs ont recruté des patients spécifiquement pour cette étude et les ont suivis tout au long de la procédure, plutôt que de consulter d'anciens dossiers. Bien que les résultats soient prometteurs, les auteurs notent que le système a été testé principalement sur des patients subissant un type spécifique de localisation pré-chirurgicale pour des nodules pulmonaires. Ils suggèrent que des tests supplémentaires sont nécessaires pour confirmer que la méthode fonctionne également bien pour d'autres procédures, telles que le prélèvement de tissus ou la destruction de tumeurs par brûlure, et dans différents hôpitaux avec des équipements différents. Cependant, les conclusions démontrent qu'il est possible de suivre le mouvement invisible d'un nodule pulmonaire en temps réel grâce à de simples signaux respiratoires et l'apprentissage automatique. En transformant le mouvement chaotique de la respiration en un schéma prévisible, cette technologie pourrait rendre les interventions pulmonaires plus sûres, plus rapides et moins pénibles pour les patients qui ne peuvent pas bloquer leur respiration.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.