Mémoires Année : 2024

Automatic detection of lesions by "artificial intelligence" in [18 F]FDG PET CT in clinical routine : which method is the most efficient?

Détection automatique de lésions par "intelligence artificielle" en TEP/TDM au [18F]FDG en routine clinique : quelle méthode est la plus performante ?

Résumé

Introduction: AI algorithms have recently been commercialized to support nuclear physicians in routine lesion detection. The aim of this study was to evaluate lesion detection performance on [ 18F]FDG PET/CT by two AI algorithms using a convolutional neural network, when used alone or in addition to human reading. Materials and methods: 151 [ 18 F]FDG PET/CT scans of patients managed for melanoma or lymphoma in 3 French centers were retrospectively analyzed. Lesion detection was performed manually (M1), by AUTOID (threshold at SUV 2.5 (M2) or PERCIST like (M3)) and by PAIRE (M4). All volumes of interest (VOIs) identified by each of the 4 methods were reviewed by a consensus of experts. VOIs judged to correspond to neoplastic lesions related to the pathology studied were labelled "true positives" T P). The sensitivities of each of the 4 detection methods were compared in pairs using Student's t-test for paired samples. Results: A total of 1544 lesions were considered TP according to the reference standard. The respective sensitivities of PAIRE (M4), AUTOID with threshold at SUV of 2.5 (M2) and PERCIST like (M3), and the manual method (M1), were 95.7%, 60.2%, 44.3% and 76.6% respectively. The sensitivity of PAIRE combined with the human detection reached 99. 9 % and was significantly higher than that of any other method alone or in combination. PAIRE (M4) reported the highest number (1435) of false positive VOIs, compared with 837 for M2 and 151 with M3. Conclusion: The use of PAIRE could provide a robust safety net to physicians for lesion detection on 18F]FDG PET CT. Its routine use is limited by its high false positive rate and needs to be confirmed by further studies.
Introduction : des algorithmes d'IA ont été commercialisés depuis peu pour les épauler médecins nucléaires dans la détection des lésions en routine. Cette étude a pour objectif d'évaluer les performances de détection de lésions sur la TEP/TDM au [18F]FDG par deux algorithmes d'IA utilisant un réseau de neurones convolutifs, lorsqu'ils ont utilisés seuls ou en complément de la lecture humaine. Matériels et méthodes : 151 TEP/TDM au [18F]FDG de patients pris en charge pour des mélanomes ou des lymphomes dans 3 centres français ont été rétrospectivement analysées. La détection des lésions a été effectuée manuellement (M1), par AUTOID (seuil à SUV 2,5 (M2) ou selon PERCIST (M3)) et par PAIRE (M4). L'ensemble des volumes d'intérêt (VOI) mis en évidence pour chacune de 4 méthodes était revu par un consensus d'experts. Les VOIs jugés correspondant à des lésions néoplasiques en lien avec la pathologie étudiée étaient labélisés « vrais positifs » (VP). Les sensibilités de chacune des 4 méthodes de détection étaient comparées deux à deux en utilisant le test t de Student pour échantillons appariés. Résultats : au total, 1544 lésions ont été considérées comme VP selon le standard de référence. Les sensibilités respectives de PAIRE (M4), d'AUTOID avec seuil à un SUV à 2,5 (M2) et selon PERCIST (M3) et de la méthode manuelle (M1), étaient respectivement de 95,7%, 60,2%, 44,3% et 76,6%. La sensibilité de PAIRE et de la détection manuelle associés atteignaient 99,9% et étaient significativement plus élevée que celle de toute autre méthode seule ou en combinaison. PAIRE (M4) rapporterait le plus grand nombre (1435) de VOIs faux positifs, contre 837 pour M2 et 151 avec M3. Conclusion : l'utilisation de PAIRE pourrait constituer un filet de sécurité robuste pour les médecins nucléaires dans la détection de lésions en TEP/TDM au [18F]FDG. Son intégration en routine est limitée par son taux élevé de faux positifs et doit être confortée par d'autres études.
Fichier principal
Vignette du fichier
2024AMIEM019_GAMBIEZ_Maxence.pdf (1.26 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

dumas-04618800 , version 1 (20-06-2024)

Licence

Identifiants

Citer

Maxence Gambiez. Détection automatique de lésions par "intelligence artificielle" en TEP/TDM au [18F]FDG en routine clinique : quelle méthode est la plus performante ?. Médecine humaine et pathologie. 2024. ⟨dumas-04618800⟩
32 Consultations
60 Téléchargements

Partager

More