Des équipes de recherche développent de nouveaux algorithmes décisionnels pour le diagnostic du Covid-19 et l’analyse pronostique, notamment un système d’apprentissage profond (deep learning) automatique développé à partir d’images de scanner thoracique et un modèle utilisant aussi des données cliniques et biologiques, selon deux études, l’une chinoise et l’autre internationale, parues dans l’European Respiratory Journal (ERJ).
Un diagnostic et une identification rapides des patients atteints de Covid-19 avec un mauvais pronostic sont importants pour contrôler la maladie. La RT-PCR, qui est actuellement l’outil diagnostique de référence, présente une sensibilité limitée et les difficultés d’accès peuvent ralentir l’isolement des personnes infectées, rappellent Shuo Wang de l’université de Beihang à Pékin et ses collègues dans la première étude.
De récentes données suggèrent que le scanner thoracique a une bonne précision diagnostique et pronostique pour le Covid-19. Cette technique d’imagerie présente en particulier une sensibilité plus élevée que la RT-PCR pour le diagnostic. Elle a aussi mis en évidence des anomalies chez des personnes infectées asymptomatiques.
Les chercheurs ont voulu utiliser l’intelligence artificielle et en particulier une méthode d’apprentissage profond, qui a déjà démontré son intérêt dans le diagnostic des maladies respiratoires, avec l’objectif de disposer d’un système automatisé.
Pour cette étude rétrospective, ils ont utilisé les images de scanner thoracique de 5.372 patients de sept villes ou provinces. Les images d’un premier groupe de 4.106 patients ont été utilisées pour la phase d’apprentissage du système puis celles de trois groupes d’un total de 1.266 patients (924 avec le Covid-19 dont 471 suivis plus de cinq jours et 342 avec une autre pneumopathie) ont servi à sa validation. [En savoir plus]