6533b829fe1ef96bd128ac8f

RESEARCH PRODUCT

Intelligence Artificielle et nodules thyroïdiens : aide au TIRADS, indication de cytoponction. Étude prospective

subject

description

Objectifs Utiliser l’Intelligence Artificielle (IA) pour : – aider a la classification TIRADS, – determiner quels nodules doivent beneficier de cytoponction, en s’affranchissant de classification. Materiel et methode Etude prospective multicentrique, multi-constructeur, de fevrier a juin 2021 : – inclusion de patients beneficiant d’une echographie thyroidienne avec ou sans Ponction a l’Aiguille Fine (PAF), – acquisitions d’images echographiques standardisees, – classement EU-TIRADS du nodule par deux experts, – diagnostic cytologique, Bethesda 2018. L’IA, via un reseau neuronal convolutif profond multitache, devrait permettre de : – classer les examens en EU-TIRADS-2-3-4-5, – identifier les nodules pour lesquels un « geste » (nouvelle PAF, biopsie ou chirurgie) n’est pas indique. Resultats L’etude etant en cours, des resultats preliminaires seront proposes. Goitres multinodulaires, kystes purs evacues, cas pediatriques, cas avec metastases ganglionnaires ou fixant au TEP-FDG sont exclus. L’analyse statistique consistera en l’evaluation de la specificite et de la sensibilite du modele automatique pour le classement TIRADS et la determination de benignite du nodule versus la verite de terrain representee respectivement par : – le TIRADS des experts, – la cytologie (Bethesda 2). Conclusion Ce travail confirmant de precedentes etudes permettra de montrer l’interet de l’IA, (le deep learning) pour : – aider a la classification echographique TIRADS, – qualifier les nodules ne necessitant pas de PAF, et ainsi pallier a la faible specificite, la variabilite inter- et intra-observateur, le manque d’experts et l’absence d’universalite des classifications TIRADS, facteurs limitants majeurs dans la prise en charge des nodules thyroidiens.