Des chercheurs de la faculté de médecine de l'Université de Pittsburgh et du collège d'ingénierie de l'Université Carnegie Mellon ont créé un algorithme d'apprentissage automatique capable de détecter des signes subtils d'arthrose – trop abstrait pour être enregistré dans l'œil d'un radiologue qualifié – sur une IRM prise des années auparavant les symptômes commencent même. Ces résultats seront publiés cette semaine dans PNAS.
Avec cette approche prédictive, les patients pourraient un jour être traités avec des médicaments préventifs plutôt que de subir une chirurgie de remplacement articulaire.
L'étalon-or pour diagnostiquer l'arthrite est la radiographie. À mesure que le cartilage se détériore, l'espace entre les os diminue. Le problème, c'est que lorsque vous voyez de l'arthrite sur les radiographies, le mal est déjà fait. Il est beaucoup plus facile d'empêcher le cartilage de se désagréger que d'essayer de le faire repousser. «
Kenneth Urish, M.D., Ph.D., co-auteur de l'étude, professeur agrégé de chirurgie orthopédique à Pitt et directeur médical associé du centre des os et des articulations de l'UPMC Magee-Womens Hospital
À l'heure actuelle, le traitement principal de l'arthrose est le remplacement articulaire. Et la condition est si répandue que le remplacement du genou est la chirurgie la plus courante aux États-Unis pour les personnes de plus de 45 ans.
Pour cette étude, les chercheurs ont examiné les IRM du genou de la Osteoarthritis Initiative, qui a suivi des milliers de personnes pendant sept ans pour voir comment l'arthrose du genou se développe. Ils se sont concentrés sur un sous-ensemble de patients qui présentaient peu de signes de lésions cartilagineuses au début de l'étude.
Rétrospectivement, nous savons maintenant lesquels de ces participants ont développé de l'arthrite et lesquels ne l'ont pas fait, et l'ordinateur peut utiliser ces informations pour apprendre des schémas subtils sur les IRM de personnes présymptomatiques qui prédisent leur futur risque d'arthrose.
«Lorsque les médecins regardent ces images du cartilage, il n'y a pas de motif qui saute à l'œil nu, mais cela ne veut pas dire qu'il n'y en a pas. Cela signifie simplement que vous ne pouvez pas le voir à l'aide d'outils conventionnels, », a déclaré l'auteur principal Shinjini Kundu, MD, Ph.D., qui a terminé ce projet dans le cadre de sa formation universitaire au Pitt Medical Scientist Training Program et Carnegie Mellon Department of Biomedical Engineering.
Pour valider cette approche, Kundu, qui est maintenant médecin résident et chercheur médical au département de radiologie Johns Hopkins, a formé le modèle sur un sous-ensemble de données d'IRM du genou et l'a ensuite testé sur des patients qu'il n'avait jamais vus auparavant. Kundu a fait cela des dizaines de fois, avec différents participants retenus à chaque fois, pour tester l'algorithme sur toutes les données.
Dans l'ensemble, l'algorithme a prédit l'arthrose avec une précision de 78% à partir des IRM réalisées trois ans avant l'apparition des symptômes.
Actuellement, il n'y a pas de médicaments qui empêchent l'arthrose présymptomatique de se développer en une détérioration articulaire à part entière, bien qu'il existe quelques médicaments très efficaces qui peuvent empêcher les patients de développer une maladie connexe – la polyarthrite rhumatoïde.
L'objectif est de développer les mêmes types de médicaments contre l'arthrose. Plusieurs candidats sont déjà dans le pipeline préclinique.
« Au lieu de recruter 10 000 personnes et de les suivre pendant 10 ans, nous pouvons simplement inscrire 50 personnes qui, nous le savons, souffriront d'arthrose dans deux ou cinq ans », a déclaré Urish. « Ensuite, nous pourrons leur donner le médicament expérimental et voir s'il empêche la maladie de se développer. »
La source:
Sciences de la santé à l'Université de Pittsburgh
Référence du journal:
Kundu, S., et coll. (2020) Permettre la détection précoce de l'arthrose à partir de cartes de texture du cartilage présymptomatique via l'apprentissage basé sur le transport. PNAS. doi.org/10.1073/pnas.1917405117.