La pancr\u00e9atite aigu\u00eb est une inflammation soudaine du pancr\u00e9as qui peut \u00e9voluer rapidement vers des formes graves. Chaque ann\u00e9e, elle touche entre 30 et 40 personnes pour 100 000 habitants dans le monde. Bien que la majorit\u00e9 des cas soient b\u00e9nins et se r\u00e9solvent spontan\u00e9ment, pr\u00e8s de 30 % des patients d\u00e9veloppent des complications s\u00e9v\u00e8res, comme une d\u00e9faillance persistante des organes ou une n\u00e9crose infect\u00e9e du pancr\u00e9as. Ces situations augmentent consid\u00e9rablement la morbidit\u00e9 et la mortalit\u00e9, soulignant l\u2019importance d\u2019une prise en charge pr\u00e9coce et adapt\u00e9e.<\/p>\n
Actuellement, les m\u00e9thodes traditionnelles pour \u00e9valuer la gravit\u00e9 de la pancr\u00e9atite aigu\u00eb reposent sur des scores cliniques comme ceux de Ranson ou de Glasgow-Imrie. Cependant, ces outils montrent des limites. Ils s\u2019appuient sur des mesures r\u00e9alis\u00e9es dans les 48 premi\u00e8res heures, ce qui retarde l\u2019identification des patients \u00e0 risque. De plus, leur pr\u00e9cision reste modeste, avec des valeurs de discrimination autour de 0,61 pour le score de Ranson et 0,67 pour celui de Glasgow-Imrie. Les radiologues, quant \u00e0 eux, \u00e9valuent les images de tomodensitom\u00e9trie avec un produit de contraste, mais leur jugement visuel atteint en moyenne une pr\u00e9cision de 0,63, avec une sensibilit\u00e9 faible de 42,5 %. Cela signifie qu\u2019ils d\u00e9tectent surtout les cas graves lorsque les signes sont \u00e9vidents, mais peinent \u00e0 rep\u00e9rer les patients dont l\u2019\u00e9tat va se d\u00e9grader plus tard.<\/p>\n
Pour surmonter ces limites, une approche innovante combine l\u2019intelligence artificielle, l\u2019analyse d\u2019images m\u00e9dicales et des donn\u00e9es cliniques. Cette m\u00e9thode, appel\u00e9e radiomique, extrait des informations quantitatives des images pour r\u00e9v\u00e9ler des motifs invisibles \u00e0 l\u2019\u0153il nu. Elle permet de capturer des caract\u00e9ristiques comme l\u2019intensit\u00e9, la texture ou l\u2019agencement spatial des tissus. Une autre technique, l\u2019apprentissage profond, identifie automatiquement des sch\u00e9mas complexes dans les images sans n\u00e9cessiter de d\u00e9finition pr\u00e9alable des crit\u00e8res. Ces deux approches transforment l\u2019imagerie m\u00e9dicale en un outil non seulement visuel, mais aussi quantitatif et pr\u00e9dictif.<\/p>\n
Dans cette \u00e9tude, 284 patients atteints de pancr\u00e9atite aigu\u00eb ont \u00e9t\u00e9 analys\u00e9s. Parmi eux, 140, soit pr\u00e8s de la moiti\u00e9, ont pr\u00e9sent\u00e9 des complications graves dans les 30 jours suivant leur admission. Les mod\u00e8les d\u2019intelligence artificielle bas\u00e9s uniquement sur l\u2019imagerie ont obtenu de meilleurs r\u00e9sultats que les m\u00e9thodes traditionnelles, avec une pr\u00e9cision de 0,77 pour la radiomique et 0,76 pour l\u2019apprentissage profond. L\u2019int\u00e9gration de donn\u00e9es de laboratoire, comme le taux de globules blancs, la prot\u00e9ine C-r\u00e9active ou la lactico-d\u00e9shydrog\u00e9nase, a encore am\u00e9lior\u00e9 les performances. Le mod\u00e8le combinant radiomique et donn\u00e9es cliniques a atteint une pr\u00e9cision de 0,80, soit une am\u00e9lioration notable par rapport aux autres approches.<\/p>\n
Les marqueurs biologiques s\u00e9lectionn\u00e9s refl\u00e8tent des processus cl\u00e9s de la maladie. Par exemple, l\u2019ur\u00e9e sanguine indique une d\u00e9shydratation et une mauvaise perfusion r\u00e9nale, tandis que la prot\u00e9ine C-r\u00e9active signale une inflammation intense. Une albumine basse est associ\u00e9e \u00e0 un risque accru de d\u00e9faillance organique. Ces marqueurs compl\u00e8tent les informations tir\u00e9es des images, offrant une vision plus compl\u00e8te de l\u2019\u00e9tat du patient.<\/p>\n
Les radiologues, malgr\u00e9 leur expertise, montrent des d\u00e9saccords mod\u00e9r\u00e9s entre eux lors de l\u2019\u00e9valuation des images. Leur sensibilit\u00e9 limit\u00e9e r\u00e9v\u00e8le que certains patients d\u00e9veloppant des complications graves pr\u00e9sentent des anomalies subtiles sur les images, difficiles \u00e0 d\u00e9tecter visuellement. L\u2019intelligence artificielle, en revanche, identifie ces signes pr\u00e9coces gr\u00e2ce \u00e0 l\u2019analyse de milliers de caract\u00e9ristiques quantitatives.<\/p>\n
Cette approche multimodale, qui combine imagerie et donn\u00e9es cliniques, permet donc une pr\u00e9diction plus fiable des complications. Elle pourrait aider les m\u00e9decins \u00e0 identifier plus t\u00f4t les patients \u00e0 haut risque, \u00e0 adapter la surveillance et \u00e0 initier rapidement des traitements adapt\u00e9s. Cependant, ces r\u00e9sultats restent pr\u00e9liminaires et n\u00e9cessitent une validation dans des \u00e9tudes plus larges avant une utilisation g\u00e9n\u00e9ralis\u00e9e en pratique clinique.<\/p>\n
DOI\u00a0:<\/strong> https:\/\/doi.org\/10.1007\/s00261-026-05588-w<\/a><\/p>\n Titre\u00a0:<\/strong> Multimodal AI for early prediction of adverse clinical outcomes in acute pancreatitis<\/p>\n Revue : <\/strong> Abdominal Radiology<\/p>\n \u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n Auteurs : <\/strong> Ahmet Yasin Karkas; Yavuz B. Taktak; Burak Gultekin; Ziliang Hong; Halil Ertugrul Aktas; Deniz Seyithanoglu; Timurhan Cebeci; Alper Akin; Ece Elustu; Kerem Arisin; Ali Canturk; Mehmet Ilhan; Naci Senkal; Michael B. Wallace; Abraham F. Bezuidenhout; Frank H. Miller; Alpay Medetalibeyoglu; Mehmet Semih Cakir; Gorkem Durak; Ulas Bagci; Sukru Mehmet Erturk<\/p>\n","protected":false},"excerpt":{"rendered":" L\u2019intelligence artificielle am\u00e9liore-t-elle la pr\u00e9diction des complications de la pancr\u00e9atite aigu\u00eb La pancr\u00e9atite aigu\u00eb est une inflammation soudaine du pancr\u00e9as qui peut \u00e9voluer rapidement vers des formes graves. Chaque ann\u00e9e, elle touche entre 30 et 40 personnes pour 100 000 habitants dans le monde. Bien que la majorit\u00e9 des cas soient b\u00e9nins et se r\u00e9solvent… Poursuivre la lecture L\u2019intelligence artificielle am\u00e9liore-t-elle la pr\u00e9diction des complications de la pancr\u00e9atite aigu\u00eb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3,2],"tags":[],"class_list":["post-45","post","type-post","status-publish","format-standard","hentry","category-international","category-sante","entry"],"_links":{"self":[{"href":"https:\/\/thepublichealthreview.com\/fr\/wp-json\/wp\/v2\/posts\/45","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/thepublichealthreview.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/thepublichealthreview.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/thepublichealthreview.com\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/thepublichealthreview.com\/fr\/wp-json\/wp\/v2\/comments?post=45"}],"version-history":[{"count":1,"href":"https:\/\/thepublichealthreview.com\/fr\/wp-json\/wp\/v2\/posts\/45\/revisions"}],"predecessor-version":[{"id":46,"href":"https:\/\/thepublichealthreview.com\/fr\/wp-json\/wp\/v2\/posts\/45\/revisions\/46"}],"wp:attachment":[{"href":"https:\/\/thepublichealthreview.com\/fr\/wp-json\/wp\/v2\/media?parent=45"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/thepublichealthreview.com\/fr\/wp-json\/wp\/v2\/categories?post=45"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/thepublichealthreview.com\/fr\/wp-json\/wp\/v2\/tags?post=45"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}