Une IA pour échographie vise à révolutionner les soins maternels dans les régions mal desservies
Google Research et Google for Health ont développé un système d'échographie assisté par IA conçu pour permettre aux agents de santé de première ligne de fournir des soins maternels essentiels, en particulier dans les régions où l'accès à des échographistes spécialisés fait défaut. Une récente étude prospective multicentrique publiée dans JAMA Network Open démontre que cette approche basée sur l'IA peut permettre à des opérateurs non échographistes utilisant des sondes à faible coût d'obtenir des évaluations de l'âge gestationnel de niveau expert, une métrique cruciale pour le suivi de la grossesse.
Élargir l'accès aux diagnostics essentiels
L'Organisation Mondiale de la Santé estime que plus de 250 000 décès maternels évitables surviennent chaque année, et que les deux tiers de la population mondiale n'ont pas accès à l'imagerie médicale diagnostique comme l'échographie. Les soins prénatals traditionnels reposent fortement sur des échographistes hautement qualifiés, une ressource rare dans de nombreux contextes à faibles ressources. Ce nouveau système d'IA interprète les échographies "en balayage aveugle", une méthode de balayage où les agents de santé de première ligne déplacent simplement les sondes d'échographie portables sur l'abdomen en suivant un schéma standardisé. Cette approche réduit considérablement le besoin d'une formation approfondie, rendant potentiellement le dépistage prénatal accessible à des millions de personnes.
Évaluation rigoureuse dans divers contextes
L'étude, intitulée "Generalization of AI-Based Gestational Age Assessment Using Blind Sweep Ultrasonography", a évalué les performances du modèle d'IA dans divers environnements cliniques et matériels. Le système d'IA a été minimalement ajusté sur des données d'une population cible, puis testé prospectivement dans deux contextes distincts : Northwestern Medicine, un centre médical universitaire urbain à Chicago, aux États-Unis, et Jacaranda Health, un réseau de cliniques communautaires urbaines à Nairobi, au Kenya. Le modèle d'IA a été associé à une sonde transabdominale portable Clarius C3. Pour évaluer la généralisabilité, aucune donnée du site de Nairobi n'a été utilisée pour le réglage fin, garantissant ainsi qu'il servait de test externe strictement indépendant.
Principales conclusions : Conformité aux normes d'experts
Le système d'IA de recherche a été comparé à la procédure clinique standard effectuée par des échographistes experts. Sur une cohorte principale de 385 participantes, le modèle d'IA a atteint une erreur absolue moyenne (MAE) de 4,18 jours dans l'estimation de l'âge gestationnel. Cela a démontré une non-infériorité par rapport à la MAE de 4,48 jours des échographistes experts. Le système d'IA a maintenu une précision comparable à Chicago (MAE de 4,10 jours) et à Nairobi (MAE de 4,27 jours), où aucun réglage fin local n'a été effectué. Notamment, le système d'IA a également fait preuve de résilience dans des scénarios complexes, surpassant les formules biométriques traditionnelles dans les cas d'extrêmes de poids fœtal.
Leçons pour le déploiement dans le monde réel
Le déploiement du système d'IA directement dans les flux de travail cliniques quotidiens a fourni des informations précieuses. L'étude a souligné l'importance de considérations pratiques telles que les batteries interchangeables pour un fonctionnement continu de l'appareil et la nécessité d'établir la confiance avec les cliniciens et les patients grâce à des garanties claires, telles que les estimations de confiance du modèle pour communiquer l'incertitude.
Perspectives d'avenir : Solutions évolutives pour la santé maternelle
Ces résultats suggèrent que les systèmes basés sur l'IA peuvent analyser efficacement les "balayages aveugles" standardisés acquis par des opérateurs peu formés, offrant une précision comparable aux évaluations dirigées par des experts utilisant un équipement plus coûteux. La généralisabilité technique démontrée dans divers contextes, matériels et populations marque une étape importante vers l'élargissement de l'accès aux capacités critiques de santé maternelle. En autonomisant les agents de santé communautaires, cette recherche ouvre la voie à des systèmes de santé plus résilients et accessibles, visant à garantir des grossesses plus saines et des accouchements plus sûrs pour les mères du monde entier.
