Contexte:

Les accidents vasculaires cérébraux (AVC) et les infarctus du myocarde (IM), causés par la rupture de plaques athérosclérotiques instables dans les artères carotides et coronaires, sont les principales causes de décès dans le monde. Les directives cliniques actuelles recommandent des interventions chirurgicales basées uniquement sur le degré de sténose artérielle. Cependant, la sténose seule est un déterminant incomplet du risque d’AVC/IM, conduisant à des décisions médicales sous-optimales ou à une allocation de traitement inappropriée. Bien que la morphologie et la composition de la plaque soient un indicateur plus précis de l’instabilité de la plaque et un meilleur prédicteur des résultats cliniques, aucune méthode n’existe actuellement pour sa caractérisation précise, quantitative et non invasive.

Objectif:

Nous visons à développer des plateformes quantitatives basées sur l’intelligence artificielle qui utilisent des algorithmes d’apprentissage automatique pour caractériser les caractéristiques de la morphologie et de la composition des plaques à partir 1) d’images histologiques (HistoAI) et 2) d’images échographiques de plaques (UltrasoundAI). Ces plateformes seront respectivement appelées HistoAI et UltrasoundAI.

Méthodologie:

Les données sont disponibles via notre biobanque existante (~600 patients). Des images échographiques préopératoires 2D et 3D de la plaque ont été obtenues auprès de patients ayant subi une intervention chirurgicale pour l’élimination de la plaque. Les échantillons de plaque excisée du même patient seront colorés pour l’analyse histologique de diverses caractéristiques de stabilité/instabilité de la plaque et annotés. Des images histologiques et échographiques de plaque seront utilisées pour développer des algorithmes d’apprentissage automatique pour i) quantifier les caractéristiques de la plaque de stabilité/instabilité et ii) déterminer le score global d’instabilité de la plaque. HistoAI sera basé uniquement sur des images histologiques, tandis que UltrasoundAI sera basé sur des images histologiques et échographiques appariées correspondantes du même patient. HistoAI aidera à former UltrasoundAI pour permettre une annotation précise et une analyse basée sur l’intelligence artificielle qui reflètent les caractéristiques histologiques de référence du continuum stabilité/instabilité de la plaque. Une fois développé, UltrasoundAI sera utilisé dans la pratique clinique sans avoir besoin d’images histologiques. Impact: Alors qu’UltrasoundAI sera informé par HistoAI, les deux plateformes fonctionneront finalement de manière indépendante et cibleront des marchés différents. Ces plateformes fourniront une analyse complète et précise des caractéristiques de la plaque et de l’instabilité, tout en éliminant le biais et la variabilité interindividuelle. Ces innovations peuvent être utilisées