Skip to Main content Skip to Navigation
Master Thesis

Évaluation d'un système d'intelligence artificielle pour le dépistage et l'évaluation de la gravité de la pneumopathie à SARS-CoV-2

Résumé : Contexte : la première vague épidémique de COVID-19 s'est propagée depuis la Chine et a touché presque tous les pays du monde. La détection et l’évaluation de la gravité de la pneumopathie du SRAS-CoV-2 à l'aide de la tomodensitométrie à faible dose se sont avérées rapides et sensibles. Objectif : Construire et valider un outil de segmentation automatique par intelligence artificielle (IA) pour automatiser la quantification du rapport volume affecté/volume total (VR) chez les patients suspectés de pneumopathie SARS-CoV2. Matériels et Méthodes : entre le 9 mars et le 20 avril 2020, 3422 scanners thoraciques à faible dose ont été réalisées dans notre institution pour la gestion du COVID. Un réseau neuronal circonvolutif tridimensionnel a été appliqué à un ensemble de 234 scanners d'entraînement pour construire l'outil d'IA. Le logiciel d'IA a été testé sur 60 examens scannographiques indépendants sélectionnés de manière aléatoire à partir de 3 scanners différents. Le rapport des volumes d’atteinte à SARS COV2 sur le volume pulmonaire total (VR) ont été automatiquement segmentés. Tout d'abord, la tomodensitométrie sans IA a été évaluée en aveugle et de manière indépendante par 4 experts pour déterminer quantitativement les opacités en verre dépoli (VRggo), les lésions de consolidation (VRcs) et la somme des deux (VRall). Une semaine plus tard, les experts ont à nouveau évalué les différents volumes d’atteinte à l'aide des masques d’IA de manière qualitative. Les volumes donnés par l’IA ont été comparés aux volumes des experts pour vérifier leur concordance. Les VR ont été testés comme biomarqueur de la maladie (prélèvements RT-PCR) et de la sévérité (dépendance à l'oxygène). Une comparaison statistique avec la RT-PCR et la sévérité a été effectuée. L'accord intra- et inter-observateur pour les VR et comparé à ceux des experts. Résultats : les volumes générés par l'IA ont démontré un haut niveau de précision. Les VR de l'IA étaient comparables à ceux des experts. Les VR des experts étaient plus reproductibles avec les masques de l'IA. Les performances de l'IA pour le diagnostic et la sévérité étaient au moins équivalentes à celles des experts. Conclusion : l'outil de segmentation d’IA et les volumes calculés de notre logiciel COViaX sont fiables et donnent un biomarqueur robuste de la sévérité de la maladie.
Complete list of metadata

https://dumas.ccsd.cnrs.fr/dumas-03207893
Contributor : Faculté de Médecine Amu <>
Submitted on : Monday, April 26, 2021 - 10:58:31 AM
Last modification on : Wednesday, April 28, 2021 - 3:23:36 AM

File

 Restricted access
To satisfy the distribution rights of the publisher, the document is embargoed until : 2021-07-26

Please log in to resquest access to the document

Identifiers

  • HAL Id : dumas-03207893, version 1

Collections

Citation

Justine Mugnier. Évaluation d'un système d'intelligence artificielle pour le dépistage et l'évaluation de la gravité de la pneumopathie à SARS-CoV-2. Sciences du Vivant [q-bio]. 2021. ⟨dumas-03207893⟩

Share

Metrics

Record views

25