Mémoires Année : 2023

Artificial Intelligence quantification of pulmonary fibrosis with thoracic CT : prognostic evaluation in comparison with forced vital capacity (QUANTIFIB)

Quantification de la Fibrose pulmonaire Idiopathique par l'Intelligence Artificielle au scanner thoracique : évaluation pronostique en comparaison avec la Capacité Vitale Forcée (QUANTIFIB)

Résumé

Objectives: The purpose of the study was to evaluate if the quantification of pulmonary fibrosis using an AI software could be as significant as FVC in the follow up of IFP. Materials and methods: We performed a retrospective study of 39 patients diagnosed with Idiopathic Pulmonary Fibrosis which has been stated in multidisciplinary consultation meeting and had during their follow up at least 2 thoracic CT and 2 Respiratory Function Exploration (RFE). We used an AI software named Thoracic VCAR (General Electric) which could quantify automaticaly pulmonary fibrosis using voxel interval corresponding to fibrosis density that we fixed ourselves from -668 to -288 HU. Quantitative assessment of image quality was also performed. Then, we collected datas from the RFE and in particular the Forced Vital Capacity by using the observed value and the percentage of the theorical value. Results: Fibrosis percentage quantified by the AI on thoracic CT and the CVF theorical value have a negative and strong correlation (-0,503) with significant differences (p<10-7). Correlation was even stronger in the evaluation of fibrosis percentage evolution between the 2 thoracic CT and FVC theorical value evolution between the 2 RFE. Conclusion: We can assume that pulmonary fibrosis quantification calculated by Thoracic VCAR (GE) AI software can be used in the follow up of people diagnosed with Idiopathic Pulmonary Fibrosis.
Objectifs : l'objectif de cette étude est de montrer que la quantification de la fibrose pulmonaire par l'IA au scanner pourrait être un bon élément pour évaluer le pronostic des patients atteints de FPI au même titre que la CVF. Matériels et méthodes : nous avons réalisé une étude rétrospective chez 39 patients, dont le diagnostic de FPI a été formulé en RCP (réunion de concertation pluridisciplinaire) et qui ont eu lors de leur suivi au moins 2 scanners thoraciques et 2 explorations fonctionnelles respiratoires (EFR). Nous avons utilisé un logiciel d'IA (Intelligence Artificiel) Thoracic VCAR (General Electric) qui nous a permis de quantifier la fibrose pulmonaire sous la forme d'un volume en litre et d'un pourcentage par rapport au volume pulmonaire total. La fibrose a été automatiquement quantifié en utilisant un intervalle de voxel que nous avons déterminé correspondant à la densité de la fibrose compris entre – 668 et -288 UH. Une évaluation de la qualité d'image a été également réalisée. Enfin, nous avons récupérés les données des EFR dont nous avons prélevé la CVF représentée par la valeur observée et le pourcentage de sa valeur théorique. Résultats : une corrélation négative et forte (r= -0,503) a été retrouvée entre le pourcentage de fibrose quantifié par l'IA sur le scanner thoracique et la valeur théorique de la CVF avec une différence significative (p<10-7). On retrouve une corrélation encore plus forte (r=-0,581) entre l'évolution du pourcentage de fibrose entre les deux scanners et l'évolution de la CVF entre les deux EFR. Conclusion : la quantification de la fibrose pulmonaire par le logiciel d'IA Thoracic VCAR (GE) peut être utilisée dans le suivi des patients atteints d'une Fibrose Pulmonaire Idiopathique.
Fichier principal
Vignette du fichier
2023AMIEM153_KLEJMAN_Sacha.pdf (5.24 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

dumas-04455033 , version 1 (13-02-2024)

Licence

Identifiants

Citer

Sacha Klejman. Quantification de la Fibrose pulmonaire Idiopathique par l'Intelligence Artificielle au scanner thoracique : évaluation pronostique en comparaison avec la Capacité Vitale Forcée (QUANTIFIB). Médecine humaine et pathologie. 2023. ⟨dumas-04455033⟩
36 Consultations
181 Téléchargements

Partager

More