ODIASP, un outil d’intelligence artificielle pour le diagnostic de la sarcopénie via l’imagerie scanner

IF 0.5 4区 医学 Q4 ENDOCRINOLOGY & METABOLISM
C. Dumont , K. Charrière , A. Vilotitch , S. Artemova , G. Ferretti , I. Bricault , J.L. Bosson , E. Fontaine , A. Moreau-Gaudry , C. Bétry
{"title":"ODIASP, un outil d’intelligence artificielle pour le diagnostic de la sarcopénie via l’imagerie scanner","authors":"C. Dumont ,&nbsp;K. Charrière ,&nbsp;A. Vilotitch ,&nbsp;S. Artemova ,&nbsp;G. Ferretti ,&nbsp;I. Bricault ,&nbsp;J.L. Bosson ,&nbsp;E. Fontaine ,&nbsp;A. Moreau-Gaudry ,&nbsp;C. Bétry","doi":"10.1016/j.nupar.2023.03.052","DOIUrl":null,"url":null,"abstract":"<div><h3>Introduction et but de l’étude</h3><p>Le projet « Outil de DIAgnostic de la SarcoPénie (ODIASP) » a pour but d’optimiser le diagnostic de la sarcopénie grâce au calcul automatisé d’un Index de Surface musculaire (ISM) en imagerie scanner. Il existe actuellement un intérêt grandissant pour l’utilisation du scanner pour la mesure de la composition corporelle, mais la détermination de l’iSM est fastidieuse en pratique clinique. L’objectif de cette étude était de développer dans une même interface, la sélection automatique d’une coupe au niveau de la 3<sup>e</sup> vertèbre lombaire (L3), la mesure de la surface musculaire sur cette coupe et le calcul de l’ISM dérivé de cette mesure.</p></div><div><h3>Matériel et méthodes</h3><p>L’outil ODIASP intègre deux algorithmes de la littérature et mis à disposition de la recherche pour : (1) la sélection automatique d’une coupe en L3 et (2) la segmentation automatique de cette coupe. Pour chacune de ces deux étapes, la sélection d’un algorithme a fait l’objet d’une comparaison d’approches existantes faisant références dans la littérature et d’une validation externe de ces approches. Pour la sélection automatique de la coupe passant en L3 au sein d’un scanner, les approches de Bridge et al. et de Meng et al. ont été comparées. L’algorithme AutoMATICA proposé par Paris et al. a été comparé au module ABACS du logiciel SliceOmatic pour la mesure de la surface musculaire. Une base de 676 scanners abdominopelviens a été utilisée pour comparer, sélectionner et valider les différents algorithmes. Les scanners ont été annotés manuellement par un clinicien. La comparaison des deux approches pour la sélection des coupes en L3 a été évaluée par la mesure d’un pourcentage de bonnes prédictions, soit la proportion de coupes déterminées par l’outil ODIASP et estimées par le clinicien comme passant effectivement en L3. La segmentation des muscles striés squelettiques a été évaluée par un score DICE. Un score de 0 signifie qu’il n’y a pas de chevauchement et 1 signifie que les surfaces segmentées se chevauchent parfaitement. Enfin, un coefficient de corrélation des concordances (CCC) a été utilisé pour évaluer les performances de l’outil complet ODIASP.</p></div><div><h3>Résultats et analyses statistiques</h3><p>Pour le choix de la coupe L3, l’approche de Meng et al. a montré un meilleur pourcentage de bonnes prédictions (0,925, intervalle de confiance IC<!--> <!-->=<!--> <!-->[0,902–0,944]) par rapport à Bridge et al (0,882, IC<!--> <!-->=<!--> <!-->[0,855–0,905]). Cependant son temps de traitement d’un scanner d’environ 20 minutes par série est incompatible avec une utilisation en routine. Par ailleurs, le temps de calcul (moins de 1 minute par scanner) et le CCC (0,962, IC<!--> <!-->=<!--> <!-->[0,956–0967]) sont meilleurs et satisfaisants pour l’approche de Bridge et al. (corrélation des concordances de 0,899, IC<!--> <!-->=<!--> <!-->[0,883–0,912] pour Meng et al.), celle-ci a donc été retenue. Pour l’étape 2, le DICE médian du clinicien par rapport à AutoMATiCA (0,969 [5<sup>e</sup> percentile : 0,909]) est supérieur au DICE médian du clinicien par rapport à ABACS-SliceOmatic (0,949 [5<sup>e</sup> percentile : 0,836]) (<em>p</em> <!-->&lt;<!--> <!-->0,001). L’algorithme AutoMATICA a donc été retenu. Enfin, la comparaison des surfaces musculaires obtenues par l’outil complet intégrant Bridge et al. et AutoMATICA a montré un CCC de 0,970 (IC<!--> <!-->=<!--> <!-->[0,966–0,974]). Le temps de traitement moyen d’un scanner par l’outil ODIASP est d’environ 1 minute. Une interface intuitive intégrant les algorithmes sélectionnés a été créée pour analyser un ou plusieurs scanners, calculer et exporter un ISM pour chaque sujet et visualiser aisément les résultats obtenus.</p></div><div><h3>Conclusion</h3><p>L’outil proposé offre la possibilité de calculer de manière fiable et rapide l’ISM pour chaque scanner abdominopelvien sous réserve de connaître la taille du sujet. La mise à disposition de cet outil à la communauté scientifique ouvre la voie à des études sur de larges cohortes pour notamment définir les seuils d’ISM pour le diagnostic de la sarcopénie. En attendant le marquage CE de notre outil, le clinicien peut d’ores et déjà l’utiliser dans sa pratique sous réserve qu’il valide chaque résultat obtenu avec son expertise clinique.</p></div>","PeriodicalId":54702,"journal":{"name":"Nutrition Clinique et Metabolisme","volume":"37 2","pages":"Page e31"},"PeriodicalIF":0.5000,"publicationDate":"2023-05-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Nutrition Clinique et Metabolisme","FirstCategoryId":"3","ListUrlMain":"https://www.sciencedirect.com/science/article/pii/S0985056223000791","RegionNum":4,"RegionCategory":"医学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"ENDOCRINOLOGY & METABOLISM","Score":null,"Total":0}
引用次数: 0

Abstract

Introduction et but de l’étude

Le projet « Outil de DIAgnostic de la SarcoPénie (ODIASP) » a pour but d’optimiser le diagnostic de la sarcopénie grâce au calcul automatisé d’un Index de Surface musculaire (ISM) en imagerie scanner. Il existe actuellement un intérêt grandissant pour l’utilisation du scanner pour la mesure de la composition corporelle, mais la détermination de l’iSM est fastidieuse en pratique clinique. L’objectif de cette étude était de développer dans une même interface, la sélection automatique d’une coupe au niveau de la 3e vertèbre lombaire (L3), la mesure de la surface musculaire sur cette coupe et le calcul de l’ISM dérivé de cette mesure.

Matériel et méthodes

L’outil ODIASP intègre deux algorithmes de la littérature et mis à disposition de la recherche pour : (1) la sélection automatique d’une coupe en L3 et (2) la segmentation automatique de cette coupe. Pour chacune de ces deux étapes, la sélection d’un algorithme a fait l’objet d’une comparaison d’approches existantes faisant références dans la littérature et d’une validation externe de ces approches. Pour la sélection automatique de la coupe passant en L3 au sein d’un scanner, les approches de Bridge et al. et de Meng et al. ont été comparées. L’algorithme AutoMATICA proposé par Paris et al. a été comparé au module ABACS du logiciel SliceOmatic pour la mesure de la surface musculaire. Une base de 676 scanners abdominopelviens a été utilisée pour comparer, sélectionner et valider les différents algorithmes. Les scanners ont été annotés manuellement par un clinicien. La comparaison des deux approches pour la sélection des coupes en L3 a été évaluée par la mesure d’un pourcentage de bonnes prédictions, soit la proportion de coupes déterminées par l’outil ODIASP et estimées par le clinicien comme passant effectivement en L3. La segmentation des muscles striés squelettiques a été évaluée par un score DICE. Un score de 0 signifie qu’il n’y a pas de chevauchement et 1 signifie que les surfaces segmentées se chevauchent parfaitement. Enfin, un coefficient de corrélation des concordances (CCC) a été utilisé pour évaluer les performances de l’outil complet ODIASP.

Résultats et analyses statistiques

Pour le choix de la coupe L3, l’approche de Meng et al. a montré un meilleur pourcentage de bonnes prédictions (0,925, intervalle de confiance IC = [0,902–0,944]) par rapport à Bridge et al (0,882, IC = [0,855–0,905]). Cependant son temps de traitement d’un scanner d’environ 20 minutes par série est incompatible avec une utilisation en routine. Par ailleurs, le temps de calcul (moins de 1 minute par scanner) et le CCC (0,962, IC = [0,956–0967]) sont meilleurs et satisfaisants pour l’approche de Bridge et al. (corrélation des concordances de 0,899, IC = [0,883–0,912] pour Meng et al.), celle-ci a donc été retenue. Pour l’étape 2, le DICE médian du clinicien par rapport à AutoMATiCA (0,969 [5e percentile : 0,909]) est supérieur au DICE médian du clinicien par rapport à ABACS-SliceOmatic (0,949 [5e percentile : 0,836]) (p < 0,001). L’algorithme AutoMATICA a donc été retenu. Enfin, la comparaison des surfaces musculaires obtenues par l’outil complet intégrant Bridge et al. et AutoMATICA a montré un CCC de 0,970 (IC = [0,966–0,974]). Le temps de traitement moyen d’un scanner par l’outil ODIASP est d’environ 1 minute. Une interface intuitive intégrant les algorithmes sélectionnés a été créée pour analyser un ou plusieurs scanners, calculer et exporter un ISM pour chaque sujet et visualiser aisément les résultats obtenus.

Conclusion

L’outil proposé offre la possibilité de calculer de manière fiable et rapide l’ISM pour chaque scanner abdominopelvien sous réserve de connaître la taille du sujet. La mise à disposition de cet outil à la communauté scientifique ouvre la voie à des études sur de larges cohortes pour notamment définir les seuils d’ISM pour le diagnostic de la sarcopénie. En attendant le marquage CE de notre outil, le clinicien peut d’ores et déjà l’utiliser dans sa pratique sous réserve qu’il valide chaque résultat obtenu avec son expertise clinique.

ODIASP,一种通过扫描仪成像诊断肌减少症的人工智能工具
“肌肉减少症诊断工具(ODIASP)”项目旨在通过扫描成像中肌肉表面指数(MSI)的自动计算优化肌肉减少症的诊断。目前,人们对使用扫描仪测量身体成分越来越感兴趣,但在临床实践中,ISM的测定是繁琐的。本研究的目的是在同一界面中开发第三腰椎(L3)切口的自动选择、该切口上肌肉表面的测量以及从该测量得出的ISM的计算。ODIASP工具集成了文献中的两种算法,可用于研究:(1)自动选择L3切割和(2)自动分割该切割。对于这两个步骤中的每一个,算法的选择都是文献中引用的现有方法的比较和这些方法的外部验证的主题。对于扫描仪中L3切口的自动选择,比较了Bridge等人和Meng等人的方法。将Paris等人提出的Automatica算法与用于测量肌肉表面的SliceOmatic软件的ABACS模块进行了比较。使用676台腹盆扫描仪的数据库来比较、选择和验证不同的算法。扫描仪由临床医生手动注释。通过测量良好预测的百分比来评估L3切片选择的两种方法的比较,即由ODIASP工具确定并由临床医生估计为实际通过L3的切片比例。通过DICE评分评估骨骼横纹肌的分割。分数0表示没有重叠,1表示分段曲面完全重叠。最后,一致性相关系数(CCC)用于评估完整ODIASP工具的性能。结果和统计分析对于L3切割的选择,Meng等人的方法显示,与Bridge等人(0.882,CI=[0.855–0.905])相比,良好预测的百分比(0.925,置信区间CI=[0.902–0.944])更好。然而,其每个系列约20分钟的扫描仪处理时间与常规使用不兼容。此外,计算时间(每次扫描不到1分钟)和CCC(0.962,CI=[0.956–0.967])对于Bridge等人的方法更好且令人满意(Meng等人的一致性相关性为0.899,CI=[0.883–0.912]),因此选择了该方法。对于第2阶段,临床医生相对于Automatica的中位骰子(0.969[第5百分位:0.009])大于临床医生相对于ABACS Sliceomatic的中位骰子(0.949[第5百分位:0.836])(p<;0.001)。因此,采用了Automatica算法。最后,结合Bridge等人和Automatica的完整工具获得的肌肉表面的比较显示CCC为0.970(IC=[0.966–0.974])。ODIASP工具对扫描仪的平均处理时间约为1分钟。创建了一个包含所选算法的直观界面,用于分析一个或多个扫描仪,计算和导出每个受试者的ISM,并轻松可视化结果。所提出的工具提供了可靠和快速计算每个腹部骨盆扫描仪的ISM的可能性,前提是知道受试者的大小。向科学界提供这一工具为大型队列研究铺平了道路,特别是确定肌肉减少症诊断的ISM阈值。在等待我们工具的CE标志的同时,临床医生已经可以在其实践中使用该工具,前提是他/她用其临床专业知识验证获得的每个结果。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
Nutrition Clinique et Metabolisme
Nutrition Clinique et Metabolisme 医学-内分泌学与代谢
CiteScore
0.80
自引率
16.70%
发文量
216
审稿时长
78 days
期刊介绍: Nutrition Clinique et Métabolisme is the journal of the French-speaking Society of Enteral and Parenteral Nutrition. Associating clinicians, biologists, pharmacists, and fundamentalists, the articles presented in the journal concern man and animals, and deal with organs and cells. The goal is a better understanding of the effects of artificial nutrition and human metabolism. Original articles, general reviews, update articles, technical notes and communications are published, as well as editorials and case reports.
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信