Development of a Computer Vision System for Stone Segmentation During CVAC 2.0 In-Scope Aspiration Ureteroscopy
Cet article présente le développement et la validation de StoneClear, un système de vision par ordinateur piloté par l'IA qui atteint une grande précision dans la détection et la segmentation au niveau du pixel des fragments de calcul résiduels lors de l'urétéroscopie assistée par CVAC 2.0, établissant ainsi une base robuste pour l'évaluation peropératoire en temps réel de l'élimination des calculs.
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
Les calculs rénaux sont un problème tenace et douloureux pour des millions de personnes. Lorsqu'un calcul se forme à l'intérieur du rein, les médecins utilisent souvent une caméra fine et flexible introduite dans le corps pour briser la pierre en poussière et l'évacuer. L'objectif est de laisser le rein complètement propre, mais il est étonnamment difficile de le confirmer pendant que la chirurgie est en cours. La vue à l'intérieur du corps est souvent obscurcie par le sang, le liquide d'irrigation et la poussière tourbillonnante de la pierre brisée, créant un « tempête de neige » qui cache de petits fragments. Même avec des outils d'aspiration avancés conçus pour éliminer ces débris, les chirurgiens se fient à leurs propres yeux pour décider si le travail est terminé. Ce jugement subjectif peut être imparfait, ceant de laisser derrière lui de minuscules morceaux de pierre, qui peuvent se transformer plus tard en de nouveaux blocages douloureux.
Pour résoudre cela, une équipe de chercheurs de la New York Presbyterian Weill Cornell Medicine a développé un nouveau système informatique appelé StoneClear. Ce système agit comme une seconde paire d'yeux pour le chirurgien, utilisant l'intelligence artificielle pour surveiller le flux vidéo en direct de la caméra et repérer automatiquement tout fragment de pierre restant. Les chercheurs ont entraîné ce système à l'aide de vidéos de dix patients ayant subi un type spécifique de chirurgie à l'aide du dispositif CVAC 2.0, un outil qui combine la fragmentation par laser, la vision directe et une aspiration puissante pour éliminer les débris de pierre. L'équipe a demandé à des urologues experts de marquer soigneusement des milliers d'images vidéo, en traçant des contours précis autour de chaque fragment de pierre qu'ils pouvaient voir et en identifiant les images où aucune pierre n'était présente, même en présence d'éléments perturbateurs comme des caillots de sang ou des bulles.
Le système informatique a appris à accomplir deux tâches de manière séquentielle. Premièrement, il agit comme un gardien, décidant simplement si une pierre est présente dans l'image actuelle ou non. S'il détecte une pierre, il agit ensuite comme un traceur de contours, dessinant une limite détaillée autour de la pierre au niveau du pixel pour montrer exactement où elle se trouve. Ce processus en deux étapes a été crucial car l'environnement vidéo est chaotique ; l'aspiration crée des courants rapides qui font apparaître et disparaître les pierres rapidement, et le tube d'aspiration bloque souvent une partie de la vue. Les chercheurs ont testé le système en utilisant une méthode consistant à l'entraîner sur la majeure partie des données des patients, puis à vérifier ses performances sur les cas restants afin de s'assurer qu'il pouvait gérer de nouvelles situations inédites.
Les résultats ont montré que le système est très efficace pour distinguer une vue claire d'une vue contenant des fragments de pierre. Dans près de 93 pour cent des images vidéo, StoneClear a correctement identifié si une pierre était présente ou absente. Lorsque les pierres étaient visibles, les contours numériques du système correspondaient aux dessins manuels des chirurgiens experts avec un degré de chevauchement élevé, indiquant qu'il pouvait localiser précisément l'emplacement et la forme des débris. Plus important encore, le système était bien meilleur pour éviter les fausses alertes que les modèles de vision par ordinateur standards. Sans cette étape spéciale de « gardien », d'autres modèles d'IA identifieraient par erreur des reflets, du sang ou des bulles comme étant des pierres dans plus des trois quarts des images claires. StoneClear a considérablement réduit ce taux d'erreur, rendant les fausses alertes rares.
Ce travail démontre que l'intelligence artificielle peut fournir un contrôle fiable et en temps réel de l'élimination des calculs lors de chirurgies complexes assistées par aspiration. Le système ne remplace pas la nécessité des examens post-chirurgicaux, qui restent la référence pour confirmer qu'un patient est exempt de calculs, mais il offre un outil puissant au chirurgien pendant que la procédure est encore en cours. En mettant en évidence les fragments qui pourraient autrement être manqués dans l'environnement chaotique et rapide du rein, cette technologie aide les chirurgiens à vérifier leur travail de manière plus objective. L'étude confirme qu'avec une conception appropriée, les ordinateurs peuvent apprendre à voir à travers le bruit visuel de la chirurgie, offrant une voie plus claire pour garantir que le rein est véritablement vidé de son calcul.
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.