Évaluation d’une reconnaissance automatisée des lithiases urinaires - CNRS - Centre national de la recherche scientifique Accéder directement au contenu
Communication Dans Un Congrès Progrès en Urologie Année : 2021

Évaluation d’une reconnaissance automatisée des lithiases urinaires

Résumé

Objectifs: L’évolution technologique en urologie réduit le nombre de fragments de calculs disponibles pour une analyse morpho-constitutionnelle. Une reconnaissance peropératoire faisant appel à l’intelligence artificielle (IA) pourrait permettre d’apporter les éléments d’analyse fondamentaux pour la prise en charge médicale de la maladie lithiasique. L’objectif de cette étude est d’évaluer le potentiel d’une méthode de reconnaissance automatisée des lithiases urinaires en endoscopie. Méthodes: À l’aide d’urétéroscopes, des images de surface et de section de 123 calculs urinaires humains, purs à plus de 85 %, ont été acquises (109 en ex vivo et 14 en in vivo). 6 classes de lithiases urinaires étaient représentées avec des calculs des groupes I (oxalate de calcium monohydraté, whewellite), II (oxalate de calcium dihydraté, weddellite), III (acide urique), IV avec les calculs de brushite et ceux de struvite, et V (cystine). La reconnaissance automatisée des calculs a été développée selon 2 approches : une méthode classique de classification et une méthode basée sur de l’apprentissage profond. Leur sensibilité et leur précision ont ensuite été évaluées. Résultats: Avec la méthode classique (basée sur des critères de textures et couleurs), la reconnaissance automatisée a respectivement une sensibilité et une valeur prédictive positive (VPP) de 91 % et 89 % pour la whewellite ; 99 % et 99 % pour la weddellite ; 88 % et 88 % pour l’acide urique ; 91 % et 90 % pour la struvite ; de 99 % et 99 % pour la cystine ; et 94 % et 99 % pour la brushite. Avec la méthode d’apprentissage profond (deep learning), la reconnaissance automatisée a respectivement une sensibilité et une spécificité de 99 % et 97 % pour la whewellite ; 98 % et 98 % pour la weddellite ; 97 % et 98 % pour l’acide urique ; 97 % et 96 % pour la struvite ; de 99 % et 99 % pour la cystine ; et 94 % et 98 % pour la brushite. Conclusion: Reconnaître un calcul en peropératoire représente un véritable enjeu. Mais peu d’urologues ont une expertise suffisante pour avoir un diagnostic comparable à l’analyse morpho-constitutionnelle. L’IA peut trouver une application dans ce domaine, avec des résultats prometteurs pour des calculs purs. D’autres études sur un panel plus important de calculs (purs et mixtes) sont nécessaires afin de développer ces méthodes.
Fichier non déposé

Dates et versions

hal-03472369 , version 1 (09-12-2021)

Identifiants

Citer

Jonathan El Beze, Charles Mazeaud, Christian Daul, Giberto Ochoa-Ruiza, Michel Daudon, et al.. Évaluation d’une reconnaissance automatisée des lithiases urinaires. 115ème Congrès Français d’Urologie, Nov 2021, Paris, France. pp.827, ⟨10.1016/j.purol.2021.08.135⟩. ⟨hal-03472369⟩
22 Consultations
0 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More