Development and applications of artificial intelligence tools for small bowel capsule endoscopy
Développement et applications des outils de l'intelligence artificielle à la vidéocapsule endoscopique de l‘intestin grêle
Résumé
Since its inception in 2000, capsule endoscopy (CE) has revolutionized non-invasive small bowel (SB) exploration. CE is able to acquire several SB images per second during at least eight hours and can provide a full SB exploration in more than 90% of cases. The images emitted by this miniaturized camera are captured in a recording box through sensors positioned on the patient's abdomen. With an average of 10,000 SB images, CE interpretation can be tedious, time-consuming, and may carry the risk of missed lesions and diagnostic uncertainty. Artificial intelligence (AI) tools have the potential to alleviate these limitations. A survey of 333 gastroenterologists, followed by a Delphi consensus study involving 21 experts across Europe, confirmed the interest and confidence of physicians in this development and identified key research questions. The creation of a first database comprising 4,174 videos and 5,184 images of interest was a fundamental step. In parallel, through three Delphi processes, in collaboration with international CE experts, we developed a ground truth for the nomenclature, description, and imputability (according to the clinical context) of the main SB lesions of interest (vascular lesions, ulcerative-inflammatory lesions). Based on this groundwork, we developed and evaluated several algorithms from dedicated neural networks for automatic CE reading. Finally, we established proof of concept for the good diagnostic performance of supervised neural networks for the detection and characterization of SB angiodysplasia (Se = 100%, Sp = 96%) and for the evaluation of SB clealiness (Se = 90.3%, Sp = 83.3%). The results of this work are the subject of an industrial valorization through patent filings and the creation of a start-up. The large-scale implementation of AI in our society is already a disruption in our daily lives. A paradigm shift is necessary in the medical world with the arrival of these new tools and algorithms whose complex operation remains poorly understood by healthcare professionals. This technological revolution exposes us to new challenges and requires the involvement of various healthcare stakeholders, including healthcare professionals, to participate in its implementation in clinical practice and identify potential advantages and obstacles to its applications in healthcare. This work sits at the interface of this complex medical-technical world, combining medicine and image analysis. The answers provided by the application of AI in CE through this work offer a real opportunity to promote safer and more efficient care.
Depuis sa présentation en 2000, la vidéo capsule endoscopique (VCE) a révolutionné l'exploration non invasive de l'intestin grêle (IG). Elle permet d'acquérir plusieurs images d'IG par seconde pendant une durée d'au moins huit heures et d'obtenir une exploration de la totalité de la muqueuse de l'IG dans plus de 90% des cas. Les images émises par cette caméra miniaturisée sont stockées dans un boîtier enregistreur par l'intermédiaire de capteurs positionnés sur l'abdomen du patient. Avec 10000 images d'IG en moyenne, l'interprétation s'avère fastidieuse, chronophage et à risque de lésions manquées et d'incertitude diagnostique. Les outils de l'intelligence artificielle (IA) sont susceptibles d'atténuer ces limites. Un sondage auprès de 333 gastroentérologues, puis un consensus Delphi auprès de 21 experts, tous deux menés à l'échelle européenne, ont confirmé l'intérêt et la confiance des médecins dans ce développement, et identifié des questions de recherche prioritaires. La création d'une première banque de 4174 vidéos et 5184 images d'intérêt a été un temps fondamental. Parallèlement, nous avons élaboré par trois processus Delphi, dans le cadre de collaborations internationales avec des experts en VCE, des vérités terrains sur la nomenclature, la description et l'imputabilité (selon le contexte clinique) des principales lésions d'intérêt de l'IG (lésions vasculaires, lésions ulcéro-inflammatoires). Sur ces bases, nous avons développé et évalué plusieurs algorithmes issus des réseaux neuronaux dédiés à la lecture automatique des VCE. Nous avons enfin établi des preuves de concept sur les bonnes performances diagnostiques de réseaux neuronaux supervisés pour la détection d'angiodysplasies intestinales (Se = 100%, Sp = 96%) et pour l'évaluation de qualité de la préparation intestinale (Se = 90,3 %, Sp 83,3%). Les résultats de ces travaux font l'objet d'une valorisation industrielle à travers le dépôt de brevets et la création d'une start-up. L'implémentation à grande échelle de l'IA dans notre société représente d'ores et déjà un bouleversement dans notre quotidien. Un changement de paradigme s'impose de fait au monde médical qui se retrouve lui aussi bousculé par l'arrivée de ces nouveaux outils et algorithmes dont le fonctionnement complexe reste peu maitrisé par les soignants. Cette révolution technologique nous expose à des problématiques nouvelles et nécessite d'être accompagnée par les différents acteurs de santé dont les soignants afin de participer à son implémentation en pratique clinique et d'identifier les avantages et freins potentiels de ses applications en santé. Ce travail se positionne à l'interface de ce monde médico-technique complexe associant la médecine et l'analyse d'image.
Origine : Version validée par le jury (STAR)