Application clinique d'un modèle IA CBCT à faible dose

Résumé succinct

Le Cone Beam CT (CBCT) est une modalité d'imagerie utilisée dans l'angiographie digitale de substraction interventionnelle (DSA). Il produit des images tridimensionnelles par balayage X en cone et reconstruction informatique. Cliniquement, le CBCT guide les ponctions pour les lésions pulmonaires et hépatiques et évalue les résultats post-intervention dans le cancer du foie et les maladies cérébrovasculaires. Cependant, les interventions guidées par le CBCT comportent une exposition élevée aux rayonnements pour le patient ; la réduction de dose dégrade souvent la qualité de l'image et compromet les résultats de la procédure. Des études rapportent que chaque augmentation de 100 mGy de rayonnement augmente le risque de cancer de 1,96 fois. L'intelligence artificielle permet un CBCT à faible dose. Notre modèle DeepPriorCBCT précédent intégrait des priorités anatomiques en utilisant l'apprentissage de la représentation discrète neurale, réduisant la dose de CBCT thoracique à un sixième des protocoles habituels tout en préservant la qualité de l'image. Nous avons ensuite développé DeepPriorCBCT-V2 en utilisant 55 000 ensembles de données CBCT pré-reconstruction couvrant le cerveau, le thorax et l'abdomen. Ce modèle multi-organes maintient la qualité de l'image à un sixième de la dose de rayonnement standard. Néanmoins, sa performance clinique réelle reste à valider. Nous avons donc conçu cette étude prospective multicentrique randomisée contrôlée pour évaluer l'applicabilité clinique de DeepPriorCBCT-V2.