Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

L'artificial intelligence peut aider à trouver la cardiopathie basée sur les photos faciales

L'envoi d'un « selfie » au docteur pourrait être un bon marché et un moyen simple de trouver la cardiopathie, selon les auteurs d'aujourd'hui publié d'étude neuve (vendredi) dans le tourillon européen de coeur.

L'étude est la première pour prouver qu'il est possible d'employer un algorithme apprenant profond d'ordinateur pour trouver la maladie coronarienne (CAD) en analysant quatre photos de la face d'une personne.

Bien que l'algorithme doive être développé davantage et vérifié dans de plus grands groupes de personnes de différentes origines ethniques, les chercheurs disent qu'il a le potentiel d'être employé comme outil de dépistage qui pourrait recenser la cardiopathie possible dans les gens dans la population globale ou aux groupes à haut risque, qui pourraient être référés pour d'autres investigations cliniques.

À notre connaissance, c'est le premier travail expliquant que l'artificial intelligence peut être employé pour analyser des faces pour trouver la cardiopathie. C'est une opération vers le développement d'un outil apprendre profond qui pourrait être utilisé pour évaluer le risque de maladie cardiaque, dans des consultations externes ou au moyen de patients prenant des « selfies » pour exécuter leur propre examen critique. Ceci a pu guider davantage de test diagnostique ou une visite clinique. »

Professeur Zhe Zheng, directeur vice du centre national pour des maladies cardio-vasculaires et de vice-président d'hôpital de Fuwai, Académie des sciences médicales chinoise et faculté de médecine des syndicats de Pékin, Pékin, république populaire de Chine

Il prolongé : « Notre objectif ultime est de développer une demande auto-rapportée de communautés à haut risque pour évaluer le risque de cardiopathie avant visiter une clinique. Ceci pourrait être un bon marché, simple et efficace de recenser les patients qui ont besoin d'enquête postérieure. Cependant, l'algorithme exige davantage d'amélioration et validation externe dans d'autres populations et groupes ethniques. »

On le connaît déjà que certaines caractéristiques faciales sont associées à un risque accru de cardiopathie. Celles-ci comprennent amincissant ou cheveu, rides, pli de lobe d'oreille, xanthelasmata (petit, gisements de jaune de cholestérol sous la peau, habituellement autour des paupières) et corneae gris d'arcus (les gisements de graisse et de cholestérol qui apparaissent comme sonnerie opaque de zone blanche, grise ou bleue floue dans les arêtes extérieures de la cornée). Cependant, il est difficile pour que les êtres humains les emploient avec succès pour prévoir et mesurer le risque de cardiopathie.

Prof. Zheng, professeur Xiang-Yang Ji, qui est directeur du cerveau et de l'institut de cognition dans le service de l'automatisation à l'université de Tsinghua, Pékin, et d'autres collègues a inscrit 5.796 patients de huit hôpitaux en Chine à l'étude entre juillet 2017 et mars 2019. Les patients subissaient des techniques d'imagerie pour vérifier leurs vaisseaux sanguins, tels que la coronarographie ou l'angiographie coronarienne de tomodensitométrie (CCTA). Ils ont été divisés fait au hasard en formation (5.216 patients, 90%) ou groupes de la validation (580, 10%).

Les infirmières qualifiées de recherches ont pris quatre photos faciales avec des appareils photo numériques : un frontal, deux profils et une vue du haut de la tête. Ils ont également interviewé les patients pour rassembler des caractéristiques sur le statut socio-économique, le mode de vie et les antécédents médicaux. Les radiologues ont observé les angiogrammes des patients et ont évalué le degré de cardiopathie selon combien de vaisseaux sanguins ont été rétrécis de 50% ou plus (? sténose de 50%), et leur emplacement. Cette information a été employée pour produire, former et valider l'algorithme apprenant profond.

Les chercheurs ont alors vérifié l'algorithme sur des 1.013 patients plus encore de neuf hôpitaux en Chine, se sont inscrits entre avril 2019 et juillet 2019. La majorité de patients dans tous les groupes étaient de groupe ethnique de Chinois de Han.

Ils ont constaté que l'algorithme a surpassé des méthodes existantes de prévoir le risque de cardiopathie (modèle de Diamant-Forrester et le score clinique de consortium de DAO). Dans le groupe de validation de patients, l'algorithme a correctement trouvé la cardiopathie dans 80% régime ou « sensibilité de cas (du véritable ") positif et la cardiopathie correctement trouvée n'était pas présente dans 61% de cas (le véritable régime ou « spécificité négatif "). Dans le groupe de test, la sensibilité était 80% et la spécificité était 54%.

Prof. Ji a dit : « L'algorithme a eu un rendement modéré, et l'information clinique complémentaire n'a pas amélioré son rendement, que des moyens il pourraient être employé facilement pour prévoir la cardiopathie potentielle basée sur seules les photos faciales. La joue, le front et le nez ont contribué plus d'information à l'algorithme que d'autres endroits faciaux. Cependant, nous devons améliorer la spécificité pendant qu'un régime de faux positif de pas moins de 46% peut entraîner l'inquiétude et les désagréments aux patients, ainsi que potentiellement surcharger des cliniques avec des patients ayant besoin des tests inutiles. »

Aussi bien qu'exiger le contrôle à d'autres ethnies, les limitations de l'étude comprennent le fait que seulement un centre dans le groupe de test était différent à ces centres qui ont fourni des patients pour développer l'algorithme, qui peut davantage limiter son generalisabilty à d'autres populations.

Dans un éditorial de accompagnement, Charalambos Antoniades, professeur de médicament cardiovasculaire à l'université d'Oxford, R-U, et M. Christos Kotanidis, un stagiaire de DPhil travaillant sous prof. Antoniades à Oxford, écrivent : « De façon générale, l'étude par Lin met en valeur et autres un potentiel neuf dans la diagnose médicale ...... que la robustesse de l'approche de Lin se situe et autres dans le fait que leur algorithme apprenant profond exige simplement une image faciale comme entrée de caractéristiques unique, la rendant hautement et facilement applicable à la large échelle. »

Elles continuent : « Utilisant des selfies comme méthode de dépistage peut activer un simple pourtant le moyen efficace pour filtrer la population globale vers une évaluation clinique plus complète. Une telle approche peut également être hautement appropriée aux régions du globe qui sont sous-financées et avoir de faibles programmes de dépistage pour la maladie cardio-vasculaire. Un choix qui peut être fait aussi facilement que la prise d'un selfie tiendra compte d'un flux stratifié des gens qui sont introduits dans des systèmes de santé pour le test diagnostique principal avec CCTA. En effet, les personnes « à haut risque » pourraient avoir un CCTA, qui permettrait la stratification du risque fiable avec l'utilisation des méthodologies neuves et à la force de l'AI pour l'analyse d'image de CCTA. »

Elles mettent en valeur certaines des limitations que prof. Zheng et prof. Ji incluent également en leur article. Celles-ci comprennent la spécificité inférieure du test, cela que le test doit être amélioré et validé dans de plus grandes populations, et cela il soulève des questions éthiques au sujet de « usage d'information pour des buts discriminatoires. La diffusion non désirée des caractéristiques sensibles de dossier santé, celle peut facilement être extraite d'une photo faciale, rend des technologies de ce type a discuté ici un danger significatif à la protection des données personnelle, affectant potentiellement des options d'assurance. De telles craintes ont été déjà exprimées au-dessus de l'usage des caractéristiques génétiques, et devraient être considérable revisitées concernant l'utilisation de l'AI en médicament ».

Les auteurs du rapport de recherche conviennent sur cette remarque. Prof. Zheng a dit : Les « enjeux éthiques en développant et en appliquant ces technologies nouvelles est d'importance principale. Nous croyons que la future recherche sur les outils cliniques devrait prêter l'attention au secret, à l'assurance et à d'autres implications sociales pour s'assurer que l'outil est utilisé seulement pour des buts médicaux. »

Prof. Antoniades et M. Kotanidis écrivent également en leur éditorial ce DAO de définition As ? la sténose de 50% dans une artère coronaire principale « peut être une simpliste et la catégorie plutôt brute en tant qu'elle met en commun dans les personnes du groupe non-DAO qui sont vraiment en bonne santé, mais également les gens qui ont déjà développé la maladie mais sont toujours aux stades précoces (qui pourraient expliquer la spécificité inférieure observée) ».

Source:
Journal reference:

Lin, S., et al. (2020) Feasibility of using deep learning to detect coronary artery disease based on facial photo. European Heart Journal. doi.org/10.1093/eurheartj/ehaa640.