Classification Automatisée d’Images d’ECHOgraphie cardiaque

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

L’objectif de ce projet est de confirmer que les images choisies par le modèle sont exploitables pour effectuer les mesures sur un jeux de données issues de la pratique quotidienne.

L'échographie cardiaque est un examen de référence pour l’évaluation hémodynamique en réanimation. Elle est non invasive, non ionisante et fournit en temps réel des informations sur la fonction cardiaque.
Cependant, la qualité et la reproductibilité des images dépendent fortement de l’opérateur, ce qui limite la standardisation des examens et complique leur exploitation à grande échelle.

Des travaux récents, notamment l’étude “Fast and accurate view classification of echocardiograms using deep learning” (Nature Digital Medicine, 2018, https://www.nature.com/articles/s41746-017-0013-1), ont montré qu’il était possible d’automatiser la reconnaissance des principales coupes échographiques cardiaques à partir d’images 2D.

Dans ce contexte, nous avons réimplémenté cet algorithme de classification à partir de ressources en accès libre, et confirmé son bon fonctionnement sur la base de données d’entraînement initiale.
L’objectif de cette étude est désormais de tester la validité externe de ce modèle sur des images issues de la pratique quotidienne en réanimation, en évaluant la qualité des images automatiquement reconnues comme « apicale quatre cavités (A4C) ».

Cette recherche ne comporte aucune intervention sur la personne et repose uniquement sur l’enregistrement et l’analyse d’images d’échographie cardiaque réalisées dans le cadre du soin habituel de 200 patients majeurs admis en réanimation.