L'Organisation mondiale de la santé estime que plus de 250 000 décès évitables surviennent chaque année dans le monde en raison de complications liées à la grossesse. L'échographie prénatale peut améliorer les issues et réduire la mortalité fœtale et maternelle, pourtant deux tiers de la population mondiale n'ont pas accès à l'imagerie diagnostique comme l'échographie. Les méthodes actuelles reposent largement sur une formation clinique spécialisée, si bien que des millions de personnes dans les régions à faibles ressources n'ont pas bénéficié d'une seule échographie pendant leur grossesse.
Pour combler ce fossé, des chercheurs ont mis au point des systèmes d'apprentissage automatique qui interprètent les échographies dites « en balayage aveugle ». Cette méthode de numérisation permet aux soignants de première ligne, sans formation en échographie, de réaliser des examens en faisant glisser des sondes portables peu coûteuses sur l'abdomen selon un schéma standardisé. Comme de nombreuses régions souffrent d'une pénurie critique d'experts et que la formation traditionnelle des échographistes est coûteuse et prend des années, une formation minimale combinée à une interprétation par IA pourrait considérablement élargir la couverture du dépistage prénatal.
Dans une étude publiée dans JAMA Network Open, les chercheurs ont évalué dans quelle mesure un modèle d'IA d'estimation de l'âge gestationnel se généralise à différents contextes cliniques et matériels. L'âge gestationnel, c'est-à-dire l'avancement de la grossesse, sous-tend une grande partie des soins prénatals, y compris les décisions de dépistage, de traitement et d'accouchement. Des recherches antérieures avaient validé le modèle sur des patientes inconnues issues de la même cohorte que celle ayant servi à son apprentissage. Cette étude prospective a testé si le système fonctionne de manière fiable en direct sur des appareils mobiles, dans de vraies cliniques, avec des opérateurs novices et un matériel inhabituel.
Le modèle a été testé à Northwestern Medicine à Chicago, un centre universitaire urbain à ressources élevées, et à Jacaranda Health à Nairobi, au Kenya, un réseau de cliniques communautaires urbaines. Les sites différaient par le moment où les femmes commencent les soins prénatals, le nombre d'échographies de routine qu'elles reçoivent et la façon dont l'âge gestationnel est daté. Le réglage fin a utilisé un petit jeu de données pilote de 120 participants de Chicago, soit environ 6 % de l'ensemble d'entraînement initial, pour adapter le modèle au nouveau matériel de sonde. Aucune donnée de Nairobi n'a été utilisée, ce qui a fait de la validation kényane un test strictement indépendant de généralisation.
Source: Google AI Blog · Résumé par HeadlinesBriefing