La calcification de l’aorte abdominale, ou AAC, est une calcification qui peut s’accumuler dans les parois de l’aorte abdominale et prédire votre risque de développer des événements cardiovasculaires tels que des crises cardiaques et des accidents vasculaires cérébraux.

Il prédit également votre risque de chutes, de fractures et de démence en fin de vie.

De manière pratique, les scanners de densité osseuse courants utilisés pour détecter l’ostéoporose peuvent également détecter la CAA.

Cependant, des lecteurs experts hautement qualifiés sont nécessaires pour analyser les images, un processus qui peut prendre 5 à 15 minutes par image.

Mais des chercheurs de l’École des sciences et de l’École des sciences médicales et de la santé de l’Université Edith Cowan (ECU) ont collaboré pour développer un logiciel qui peut analyser les scans beaucoup, beaucoup plus rapidement : environ 60 000 images en une seule journée.

Joshua Lewis, chercheur et professeur agrégé de Future Leader Fellow de la Heart Foundation, a déclaré que cette augmentation significative de l’efficacité sera cruciale pour l’utilisation généralisée de la CAA dans la recherche et pour aider les gens à éviter de développer des problèmes de santé plus tard dans la vie.

« Étant donné que ces images et ces scores automatisés peuvent être acquis rapidement et facilement au moment des tests de densité osseuse, cela pourrait conduire à de nouvelles approches à l’avenir pour la détection précoce des maladies cardiovasculaires et la surveillance des maladies au cours de la pratique clinique de routine », a-t-il déclaré.

Gagner BEAUCOUP de temps

Les résultats sont issus d’une collaboration internationale entre l’ECU, l’Université de WA, l’Université du Minnesota, Southampton, l’Université du Manitoba, le Marcus Institute for Aging Research et la Hebrew SeniorLife Harvard Medical School. Vraiment un effort mondial multidisciplinaire.

Bien qu’il ne s’agisse pas du premier algorithme développé pour évaluer la CAA à partir de ces images, l’étude est la plus importante du genre, était basée sur les modèles de machines de densité osseuse les plus couramment utilisés et est la première à être testée dans un environnement réel à l’aide d’images. pris dans le cadre des tests de densité osseuse de routine.

Il a vu plus de 5000 images analysées par des experts et le logiciel de l’équipe.

Après avoir comparé les résultats, l’expert et le logiciel sont arrivés à la même conclusion pour l’étendue de la CAA (faible, modérée ou élevée) 80 % du temps – un chiffre impressionnant étant donné qu’il s’agissait de la première version du logiciel.

Il est important de noter que seulement 3% des personnes considérées comme ayant des niveaux élevés de CAA ont été diagnostiquées à tort comme ayant des niveaux faibles par le logiciel.

« Ceci est remarquable car ce sont les personnes les plus touchées par la maladie et le risque le plus élevé d’événements cardiovasculaires mortels et non mortels et de mortalité toutes causes confondues », a déclaré le professeur Lewis.

« Bien qu’il reste encore du travail à faire pour améliorer la précision du logiciel par rapport aux lectures humaines, ces résultats proviennent de notre algorithme version 1.0, et nous avons déjà considérablement amélioré les résultats avec nos versions plus récentes.

« L’évaluation automatisée de la présence et de l’étendue de la CAA avec une précision similaire à celle des spécialistes de l’imagerie offre la possibilité d’un dépistage à grande échelle des maladies cardiovasculaires et d’autres conditions – avant même que quelqu’un ne présente des symptômes. »

« Cela permettra aux personnes à risque d’apporter les changements de mode de vie nécessaires bien plus tôt et de les mettre dans un meilleur endroit pour être en meilleure santé dans leurs dernières années. »

La Heart Foundation a financé le projet, grâce à la bourse Future Leadership Fellowship 2019 du professeur Lewis, qui a soutenu la recherche sur une période de trois ans.

« Machine Learning for Abdominal Aortic Calcification Assessment from Bone Density Machine-Derived Lateral Spine Images » a été publié dans eBioMédecine.