Un modèle d’intelligence artificielle surpasse les médecins dans le diagnostic des otites pédiatriques

Un modèle d’intelligence artificielle (IA) construit sur Mass Eye and Ear s’est avéré nettement plus précis que les cliniciens pour diagnostiquer les otites pédiatriques lors de la première évaluation directe de ce type, a rapporté une équipe de recherche travaillant au développement du modèle à usage clinique.

Selon une nouvelle étude publiée en août. Oto-rhino-laryngologie – Chirurgie de la tête et du coule modèle, appelé OtoDX, était précis à plus de 95% pour diagnostiquer une infection de l’oreille sur un ensemble de 22 images de test, contre une précision de 65% parmi un groupe de médecins composé d’oto-rhino-laryngologistes, de pédiatres et de médecins de soins primaires. , qui a examiné le même images.

Lorsqu’il a été testé sur un ensemble de données de plus de 600 images de l’oreille interne, le modèle d’IA avait une précision de diagnostic de plus de 80 %, ce qui représente un bond significatif par rapport à la précision moyenne des médecins rapportée dans la littérature médicale.

Le modèle utilise un type d’IA appelé apprentissage en profondeur et a été construit à partir de centaines de photographies recueillies auprès d’enfants avant qu’ils ne subissent une chirurgie massive des yeux et des oreilles pour des otites récurrentes ou du liquide dans les oreilles. Les résultats marquent une avancée majeure dans le développement d’un outil de diagnostic qui pourrait un jour être déployé dans les cliniques pour assister les cliniciens lors des évaluations des patients, selon les auteurs. Un outil de diagnostic basé sur l’IA peut fournir aux prestataires tels que les pédiatres et les cliniques de soins d’urgence un test supplémentaire pour mieux éclairer leur prise de décision clinique.

“Les otites sont incroyablement courantes chez les enfants, mais sont souvent mal diagnostiquées, ce qui entraîne des retards dans les soins ou des prescriptions inutiles d’antibiotiques”, a déclaré l’auteur principal de l’étude, Matthew Crowson, MD, oto-rhino-laryngologiste et chercheur en intelligence artificielle à Mass Eye and Ear, et professeur adjoint. d’oto-rhino-laryngologie. Chirurgie de la tête et du cou à la Harvard Medical School. “Ce modèle ne remplacera pas le jugement des médecins, mais il peut servir à compléter leurs connaissances et les aider à avoir plus confiance dans leurs décisions de traitement.”

Difficile de diagnostiquer une condition commune

Les infections de l’oreille se produisent à partir d’une accumulation de bactéries à l’intérieur de l’oreille moyenne. Selon l’Institut national sur la surdité et autres troubles de la communication, au moins cinq enfants sur six aux États-Unis ont eu au moins une infection de l’oreille avant l’âge de trois ans. Non traitées, les infections de l’oreille peuvent entraîner une perte auditive, des retards de développement, des complications telles que la méningite et, dans certains pays en développement, la mort. D’un autre côté, le traitement excessif d’enfants alors qu’ils n’ont pas d’infection de l’oreille peut entraîner une résistance aux antibiotiques et rendre les médicaments inefficaces contre de futures infections. Ce dernier problème est d’une grande importance pour la santé publique.

Pour garantir les meilleurs résultats pour les enfants, les médecins doivent diagnostiquer les infections de l’oreille aussi précisément et le plus tôt possible. Cependant, des études antérieures suggèrent que la précision diagnostique conventionnelle des infections de l’oreille chez les enfants à partir d’un examen physique est systématiquement inférieure à 70 %, même avec les innovations technologiques et les directives de pratique clinique. La difficulté d’évaluer un enfant qui se débat ou pleure pendant un examen, ainsi que l’inexpérience générale que de nombreux médecins et fournisseurs de soins d’urgence ont dans les évaluations de l’oreille, peuvent expliquer le taux de diagnostic plus faible que prévu, selon le Dr. Crowson.

“Puisque les médecins préfèrent être prudents, il est très facile de comprendre pourquoi les parents abandonnent souvent les soins urgents avec une prescription d’antibiotiques”, a-t-il déclaré.

En 2021, Dr. Crowson a collaboré avec ses collègues de Mass Eye and Ear, Michael S. Cohen, MD, directeur de la Clinique multidisciplinaire de perte auditive pédiatrique, et Christopher J. Hartnick, MD, MS, directeur de la Division d’oto-rhino-laryngologie pédiatrique, pour développer une méthode de diagnostic plus précise. otites à l’aide d’un algorithme d’apprentissage automatique. Un réseau de neurones artificiels a été formé avec des photographies haute résolution de membranes tympaniques collectées directement auprès de patients lors de procédures otologiques où une infection peut être observée. Ces photos représentent un ensemble de données de référence, la “vérité du terrain” par rapport aux outils basés sur l’IA qui s’appuient sur des images collectées à partir de moteurs de recherche. Dans une étude de preuve de concept publiée l’année dernière, le modèle s’est avéré précis à 84 % pour détecter les oreilles moyennes « normales » par rapport aux « anormales ».

humain contre machine

Dans la nouvelle étude, les chercheurs ont comparé la précision d’un modèle raffiné face à face avec des médecins. Plus de 639 images des membranes tympaniques d’enfants âgés de 18 ans et moins ayant subi une intervention chirurgicale pour placer un tube ou drainer le liquide des oreilles ont été utilisées pour entraîner le modèle. Les images ont été étiquetées comme “normales”, “infectées” ou avec “liquide derrière le tympan”, par opposition à la classification “normale” ou “anormale” du modèle précédent de l’équipe. Avec le segment ajouté, le modèle a atteint une précision de diagnostic moyenne de 80,8 %.

Une enquête a ensuite été créée demandant aux cliniciens et aux internes de diverses spécialités médicales de visualiser 22 nouvelles images des membranes tympaniques et de diagnostiquer l’oreille comme l’une des trois catégories marquées. Bien que le modèle d’apprentissage automatique ait correctement catégorisé plus de 95 % des images de l’échantillon, le score de diagnostic moyen parmi les 39 médecins qui ont répondu à l’enquête était de 65 %. De plus, les pédiatres et les médecins de famille/internistes généralistes ont correctement classé 60,1 % et 59,1 % des images, respectivement.

Apporter l’intelligence artificielle à la clinique

Des études en cours sont en cours pour valider et affiner le modèle d’IA. À ce jour, plus de 1 000 images peropératoires des membranes tympaniques ont été recueillies sur Mass Eye and Ear.

En collaboration avec Mass General Brigham Innovation, OtoDx est actuellement utilisé sur un prototype d’appareil couplé à une application pour smartphone. L’appareil fonctionne comme un “mini otoscope” qui s’intègre dans l’appareil photo du téléphone et permet aux médecins de prendre des photos de l’intérieur de l’oreille d’un enfant, de les charger directement dans l’application et de recevoir une lecture de diagnostic en quelques secondes. Avec plus de validation, OtoDX peut fournir un autre outil aux cliniciens pour obtenir des informations en temps réel pendant un examen.

Au fur et à mesure que les commentaires sur le pilote seront traités, Mass General Brigham Innovation soutiendra l’équipe OtoDx dans l’exploration des opportunités de commercialisation de cet outil percutant pour aider encore plus de médecins et leurs patients.

En plus du Dr. Crowson, Cohen et Hartnick, les co-auteurs de l’étude comprenaient Krish Suresh, MD, de Mass Eye and Ear/Harvard Medical School, et David W. Bates, MD, MSc, de Brigham and Women’s Hospital/Harvard TH Chan School of Health public.

Cette étude a été financée en partie par une subvention du programme de formation en informatique biomédicale et en science des données des National Institutes of Health. (T15LM007092-30). La technologie fait l’objet d’une demande de brevet en instance.

Leave a Comment

Your email address will not be published.