L’intelligence artificielle en rhumatologie, incontestable valeur ajoutée
RHUMATOLOGIE L’EULAR intègre désormais l’intelligence artificielle à ses recommandations. C’est la reconnaissance de son potentiel dans l’interprétation des images en matière de diagnostic et de suivi des maladies rhumatismales et musculo-squelettiques. Une illustration avec l’emploi de l’algorithme RADAR validé et testé dans la cohorte ESPOIR avec des niveaux de concordance spectaculaires [1].
Dans la polyarthrite rhumatoïde (PR), un critère majeur d'évaluation est la progression des lésions structurales. Elle se fonde sur l'analyse des radiographies standards et des scores d’atteintes structurales établis par deux radiologues.
Mais cette approche est difficile à mettre en œuvre pour l’analyse de vastes cohortes longitudinales. L'algorithme RADAR (Rheumatoid Arthritis Damage Automatic Reader) a été développé pour automatiser le processus. Il a été construit et entraîné au sein de la cohorte française BCD incluant 545 patients atteints de PR, ayant bénéficié de radiographies des mains et des pieds à l'inclusion, à un an et à deux ans.
Ces radiographies ont été analysées par quatre radiologues experts selon le score de Sharp modifié de van der Heijde (mSvH). L’algorithme a ensuite été testé chez les 813 patients de la cohorte ESPOIR, enrôlés entre 2003 et 2005, présentant une polyarthrite précoce (< six mois) ou une forte probabilité de PR et n'ayant jamais reçu de traitement de fond. Ces patients ont bénéficié de radiographies des mains et des pieds tous les six mois pendant deux ans, puis à deux, trois et cinq ans, et enfin à 10, 12, 15 et 20 ans. L'objectif était de démontrer que l’algorithme peut analyser de grands volumes de données radiographiques.
Sur la cohorte BCD
L’algorithme RADAR a analysé avec succès les radiographies de 7.560 articulations de la main et du pied dans la cohorte BCD. Les résultats sont restés cohérents sur l’ensemble du spectre des lésions articulaires, des articulations saines aux articulations fortement érodées.
La fiabilité inter-observateurs, évaluée sur 30 radiographies par quatre experts, était bonne (κ = 0,7–0,9). Les indicateurs de performance ont confirmé une forte concordance avec les lectures des experts avec en classification binaire, une précision de 0,94, une sensibilité de 0,92 et une spécificité de 0,95 (κ = 0,88).
Sur la cohorte ESPOIR
Les premières évaluations sur la cohorte ESPOIR ont été réalisées sur des radiographies sélectionnées pour leur qualité et non sur l’ensemble des données jugées par trop hétérogènes (JPEG pour les radiographies anciennes numérisées à partir de clichés argentiques, DICOM pour les images plus récentes).
Sur ce sous-ensemble, la précision est estimée à 0,95, la sensibilité à 0,93 et la spécificité à 0,99. L’étape suivante sera le prétraitement des radiographies présentant des artefacts pour réduire la variabilité des images et standardiser les données d'entrée dans les modèles dans l'idée d'améliorer la robustesse et faciliter l’emploi à grande échelle de l’algorithme.
Un outil taillé pour les grandes études
RADAR démontre une précision et une fiabilité élevées pour la détection et la classification des lésions articulaires sur les radiographies de patients atteints de PR. L’IA est reconnue comme tout à fait apte à analyser un grand volume de données collectées sur deux décennies.
Référence
1. Pensec H, et al. EULAR 2026;#OP0344. Ann Rheum Dis 2026; DOI: 10.1136/annrheumdis-2026-eular.B.1188.