Une équipe de chercheurs de l'université Carnegie Mellon , en collaboration avec le le Centre de recherche sur l'innovation cardiovasculaire de la Cleveland Clinic, a développé un système d'intelligence artificielle (IA) capable d'interpréter certains des examens cardiaques les plus complexes en médecine, comme l'imagerie par résonance magnétique (IRM) cardiaque, sans nécessiter de données d'apprentissage étiquetées manuellement.
Ce communiqué de presse contient des éléments multimédias. Voir le communiqué complet ici : https://www.businesswire.com/news/home/20260521277652/fr/
A team of researchers from Carnegie Mellon University, in collaboration with Cleveland Clinic’s Cardiovascular Innovation Research Center, has developed an artificial intelligence (AI) system capable of interpreting some of the most complex heart scans in medicine, cardiac magnetic resonance imaging (MRI), without the need for manually labeled training data.
Ce nouveau système, baptisé CMR-CLIP, est conçu pour interpréter les IRM cardiaques en associant les images animées du cœur aux comptes rendus radiologiques cliniques correspondants. Lors des tests, il s'est révélé nettement plus performant que les modèles d'IA généralistes, parfois avec un écart de plus de 35 %. Le système a également montré un fort potentiel pour améliorer l'analyse d'images cardiaques, la recherche de cas et l'aide à la décision clinique.
« Ces travaux montrent que, dans des applications cliniques spécialisées, des modèles de base spécifiques à un domaine peuvent être encore plus performants que des systèmes d'IA généralistes », a déclaré Ding Zhao, professeur associé au département de génie mécanique de l'université Carnegie Mellon et co-responsable de l'étude. « En concevant des modèles qui illustrent la structure et la complexité des données d'IRM cardiaque, plutôt qu'en adaptant des modèles d'images génériques, nous pouvons parvenir à des niveaux de performance et d'utilité clinique inédits. »
David Chen, Ph.D. de la Cleveland Clinic et co-chercheur principal du projet, a souligné les implications cliniques de ces travaux : « L’interprétation des IRM cardiaques est une tâche très spécialisée et chronophage. Des systèmes comme le CMR-CLIP peuvent assister les cliniciens grâce à un dépistage automatisé et une aide à l’interprétation, notamment lorsque les experts sont peu nombreux. Ces outils d’aide à la l'interprétation sont essentiels pour améliorer l’accès des patients à cette technologie diagnostique performante. »
L'IRM cardiaque est largement considérée comme la référence absolue pour évaluer la structure, la fonction et l'état des tissus cardiaques. Un seul examen permet d'obtenir une vue complète du cœur, notamment sa fonction de pompage, les lésions musculaires, le flux sanguin et les anomalies structurelles. Cependant, chaque examen peut comprendre des centaines, voire des milliers d'images acquises sous différents angles et à différents moments. Même pour des spécialistes expérimentés, l'interprétation d'un seul examen peut prendre 40 minutes, voire plus. Le coût élevé de cette technologie et sa concentration dans les grands centres hospitaliers, limitent le nombre d'experts disponibles pouvant répondre à la demande clinique croissante.
Cette combinaison de complexité et de données limitées fait de l'IRM cardiaque l'un des plus grands défis de l'IA. La plupart des systèmes d'apprentissage automatique reposent sur de vastes ensembles de données soigneusement étiquetés, mais en imagerie cardiaque, les annotations d'experts sont rares, longues à produire et coûteuses à généraliser.
Pour surmonter cet obstacle, l'équipe de recherche a exploité une ressource déjà intégrée aux workflows cliniques courants, à savoir les comptes rendus de radiologie. Chaque examen d'IRM cardiaque est accompagné d'un résumé écrit dans lequel les cliniciens consignent les principaux résultats dans une section « impression ». Au lieu de recourir à des annotations manuelles, l'équipe a entraîné le CMR-CLIP à aligner les séquences d'images IRM sur ces résumés cliniques en langage naturel. Le système apprend ainsi directement comment les examens sont décrits et interprétés dans la pratique par les médecins.
Plutôt que de considérer l'IRM cardiaque comme un ensemble d'images statiques, le CMR-CLIP représente chaque examen comme une vidéo des battements du cœur. Le modèle traite plusieurs vues standard du cœur ainsi que des séquences temporelles qui capturent le mouvement et le comportement des tissus. Cela permet au système de saisir à la fois la structure et le mouvement, à l'instar d'un cardiologue analysant un examen.
Expérimenté sur plus de 13 000 examens de patients réels anonymisés de la Cleveland Clinic, le système a fait son apprentissage à partir de plus d’un million d’images et de centaines de milliers de séquences de mouvement collectées sur plus d’une décennie. Lors des tests, le CMR-CLIP a été en mesure d'identifier des pathologies cardiaques sans aucun apprentissage préalable, c’est-à-dire sans avoir été directement entraîné sur ces étiquettes spécifiques, mais simplement en associant des images à des descriptions telles que « ventricule gauche dilaté ».
Plus frappant encore, avec un seul exemple en pathologie, le CMR-CLIP parvenait souvent à égaler les performances d'autres systèmes nécessitant des dizaines de cas étiquetés. Dans certaines tâches diagnostiques plus spécialisées, le modèle a atteint des performances quasi cliniques, avec des taux de précision allant jusqu'à 99 % pour certaines affections cardiaques. Il a également montré sa capacité à effectuer des recherches dans de grandes bases de données d'examens en utilisant le langage naturel, afin de retrouver des cas similaires. Cette approche pourrait un jour permettre aux cliniciens de comparer rapidement des patients présentant des tableaux cliniques rares ou complexes.
Un test crucial destiné à constater si le système apprenait réellement des représentations pertinentes a eu lieu en dehors de l'établissement où il avait été entraîné. Le modèle a conservé d'excellentes performances sur deux jeux de données totalement distincts (l'un collecté en France, l'autre à la Cleveland Clinic en Floride), laissant à penser qu'il pourrait se généraliser et ne pas se limiter à un seul système hospitalier.
« Ces travaux ouvrent de nouvelles perspectives pour l'IA médicale en montrant comment l'exploitation de données cliniques à grande échelle permet d'entraîner des modèles sans nécessiter un étiquetage manuel fastidieux », explique la Dre Deborah Kwon, directrice de l'IRM cardiaque à la Cleveland Clinic, responsable clinique et co-auteure de cette étude. « Cette technologie pourrait non seulement améliorer l'efficacité, mais aussi la qualité des comptes rendus, favorisant ainsi des interprétations plus cohérentes et cliniquement pertinentes. Elle pourrait également constituer un outil pédagogique précieux dans un domaine d'imagerie très spécialisée et particulièrement complexe. »
À l'avenir, l'équipe de recherche prévoit d'élargir le modèle à d'autres séquences d'imagerie cardiaque, notamment l'imagerie de perfusion, l'imagerie pondérée en T2 et la cartographie paramétrique, ainsi qu'explorer ses applications dans la génération automatisée de rapports et les systèmes interactifs d'aide à la décision clinique pour les contextes aux ressources limitées. Ces travaux ont été publiés dans Nature Communications. Le code source du CMR-CLIP est accessible au public à l'adresse suivante : github.com/Makiya11/CMRCLIP.
À propos du Collège d'ingénierie : le Collège d'ingénierie de l'université Carnegie Mellon est une école d'ingénieurs de premier plan, reconnue pour s'attacher à la collaboration interdisciplinaire dans le domaine de la recherche. Il est réputé pour ses travaux sur des problématiques à la fois scientifiques et pratiques. Notre culture maker est au cœur de toutes nos activités, favorisant ainsi des approches innovantes et des résultats transformateurs. Notre corps professoral de grande renommée, se spécialise dans la gestion de l'innovation et l'ingénierie afin de produire des résultats transformateurs qui stimuleront le développement intellectuel et économique de notre communauté, de notre pays et du monde.
À propos de la Cleveland Clinic
La Cleveland Clinic est un centre médical universitaire pluridisciplinaire à but non lucratif qui intègre les soins cliniques et hospitaliers à la recherche et à l'enseignement. Fondée en 1921 par quatre médecins de renom, animés par une mission consistant à offrir des soins exceptionnels aux patients, fondés sur les principes de coopération, de compassion et d'innovation, la Cleveland Clinic a été à l'origine de nombreuses révolutions médicales, notamment le pontage coronarien et la première greffe de visage aux États-Unis. La Cleveland Clinic est régulièrement reconnue aux États-Unis et dans le monde entier en raison de son expertise et de sa qualité de soins. Parmi ses 83 000 employés à travers le monde, on compte plus de 6 600 médecins et chercheurs salariés, ainsi que 21 900 infirmiers et infirmières et professionnels de santé paramédicaux, corespondant à 140 spécialités et sous-spécialités médicales. La Cleveland Clinic est un système de santé de 6 725 lits comprenant un campus principal de 70 hectares près du centre-ville de Cleveland, 23 hôpitaux et 300 centres de soins ambulatoires, notamment dans le nord-est de l’Ohio, en Floride, à Las Vegas (Nevada), à Toronto (Canada), à Abou Dabi (Émirats arabes unis) et à Londres (Angleterre). En 2025, le système de santé de la Cleveland Clinic a enregistré 15,9 millions de consultations externes, 343 000 hospitalisations et 336 000 interventions et procédures chirurgicales. Rendez-vous sur clevelandclinic.org. Suivez-nous sur x.com/CleClinicNews. Des actualités et des ressources sont disponibles sur newsroom.clevelandclinic.org.
Note aux éditeurs : Le service de presse de la Cleveland Clinic est disponible pour fournir sur demande des interviews et des images d'illustration de qualité professionnelle.
Le texte du communiqué issu d’une traduction ne doit d’aucune manière être considéré comme officiel. La seule version du communiqué qui fasse foi est celle du communiqué dans sa langue d’origine. La traduction devra toujours être confrontée au texte source, qui fera jurisprudence.
Consultez la version source sur businesswire.com : https://www.businesswire.com/news/home/20260521277652/fr/
© Business Wire, Inc.
Advertencia :
Este comunicado de prensa no es un documento producido por AFP. AFP no será responsable de su contenido. Para cualquier pregunta relacionada, por favor póngase en contacto con las personas/entidades mencionadas en el comunicado de prensa.