Santé et sciences de la vie
UNSW Sydney accélère le diagnostic des accidents vasculaires cérébraux (AVC) en Australie régionale avec MONAI
University of New South Wales (UNSW) Sydney—Image Gallery
Objectif
L'accident vasculaire cérébral est la deuxième cause de décès et la cause la plus commune de handicap chez les adultes au monde. Les cas d'AVC dans le monde devraient doubler d'ici à 2050, un diagnostic et un traitement rapides sont désormais plus essentiels que jamais. En Australie, le service de télé-AVC de l'Université de Nouvelle-Galles du Sud (UNSW) à Sydney est à l'avant-garde d'une nouvelle approche, qui consiste à exploiter l'IA, MONAI et le calcul sur GPU NVIDIA accéléré pour fournir des informations vitales en temps réel, en particulier pour les patients vivant dans des communautés régionales et isolées.
Principaux enseignements
- Grâce à MONAI Label et aux GPU NVIDIA, le service de télé-AVC de la Nouvelle-Galles du Sud (NSW) a réduit le temps d'analyse du volume hémorragique de 20 minutes à quelques secondes.
- Grâce à MONAI Label, optimisé par le GPU NVIDIA et équipé d'Auto3DSeg, le service de télé-AVC de la NSW a automatisé la segmentation des lésions à l'échelle de l'État dans 23 hôpitaux régionaux.
- Grâce à l'intégration de MONAI Label à XNAT et à la puissance des GPU NVIDIA, le service de télé-AVC de la NSW a créé une plateforme IA unifiée pour l'analyse en temps réel des AVC.
Combler les écarts dans les soins régionaux en cas d'AVC
L'équipe de l'UNSW, dirigée par le Dr Ken Butcher, professeur de neurologie à l'UNSW Sydney et directeur médical du service de télé-AVC de la NSW, fournit un accès virtuel rapide à des spécialistes en AVC pour 23 hôpitaux régionaux de Nouvelle-Galles du Sud. Ces communautés, souvent situées à plusieurs heures des centres urbains, n'avaient auparavant pas facilement accès à des diagnostics et à des soins spécialisés en cas d'AVC.
« Sans imagerie cérébrale, il n'existe pas de médecine moderne contre les accidents vasculaires cérébraux », explique le Dr Butcher. « Vous ne pouvez même pas différencier les deux sous-types les plus fondamentaux d'AVC, hémorragique et ischémique, sans tomodensitométrie ou IRM. »
Cette distinction est vitale : les accidents vasculaires cérébraux hémorragiques (saignements dans le cerveau) et les accidents vasculaires cérébraux ischémiques (artères bloquées) nécessitent des traitements très différents, mais présentent souvent des symptômes identiques. Un diagnostic rapide et précis dans un délai thérapeutique très court est essentiel pour prodiguer les soins appropriés.
Les obstacles à l'imagerie : du qualitatif au quantitatif
Les tomodensitométries peuvent être réalisées rapidement, mais les analyses quantitatives, telles que la mesure précise du volume d'une hémorragie cérébrale, ont longtemps été réservées au domaine de la recherche. La segmentation manuelle est longue, fastidieuse, et incohérente.
« J'ai passé des années à former des étudiants et des médecins à segmenter manuellement des images cérébrales », note le Dr Butcher. "C'est un travail minutieux. Chaque fois que quelqu'un obtient son diplôme, je dois tout recommencer. Il fallait trouver une meilleure façon."
"Grâce à MONAI et à NVIDIA, nous pouvons désormais générer des volumes hémorragiques précis en quelques secondes, ce qui prenait jusqu'à 20 minutes auparavant, et ce, en temps réel pendant des consultations cliniques. Nous disposons actuellement de modèles pour les hémorragies intracrâniennes et les lésions détectées par IRM de diffusion, et d'autres sont en développement."
Dr. Ken Butcher
, professeur de neurologie à l'UNSW Sydney et directeur médical du service de télé-AVC de la NSW
Une avancée majeure avec MONAI et NVIDIA
Cette meilleure solution a été mise au point grâce à MONAI Label et Auto3DSeg, deux modules centraux de la boîte à outils open source MONAI, intégrés à un visualiseur d'images médicales et optimisés par les GPU NVIDIA sur l'infrastructure cloud eHealth d'entreprise AWS. Avec le soutien de l'équipe du projet de téléAVC et des experts techniques de NVIDIA, l'équipe du Dr Butcher a déployé une solution de télé-AVC assistée par IA qui automatise la segmentation et la mesure des lésions cérébrales par tomodensitométrie, intégrant ainsi des informations quantitatives avancées dans la pratique clinique quotidienne.
Le workflow est conçu pour être à la fois puissant et efficace. Les images de tomodensitométrie sont envoyées à un serveur MONAI Label dans un environnement natif dans le Cloud sécurisé, géré à l'aide d'un système de calcul sur GPU NVIDIA accéléré sur AWS. MONAI Label utilise ces GPU pour l'inférence d'IA, en segmentant rapidement les lésions cérébrales et en fournissant des mesures de volume quantitatives. Les résultats sont renvoyés vers le référentiel d'images de l'État pour être immédiatement examinés par un consultant. Des versions PDF anonymisées sont simultanément envoyées par e-mail à l'ensemble de l'équipe de télé-AVC.
L'intégration avec des visionneuses open source, notamment 3D Slicer, OHIF et ITK Snap, permet une visualisation et une annotation rapides où que vous soyez. L'architecture serveur modulaire de MONAI Label, conjuguée à XNAT pour la gestion des données, rend le système flexible pour un déploiement sur site ou dans le Cloud et facile à intégrer dans les environnements informatiques de santé existants. "Grâce à MONAI et NVIDIA, nous pouvons désormais générer des volumes hémorragiques précis en quelques secondes, alors que cela prenait auparavant jusqu'à 20 minutes", explique le Dr Butcher. "Et nous le faisons en temps réel, pendant les consultations cliniques. Nous disposons actuellement de modèles pour les hémorragies intracrâniennes et les lésions détectées par IRM de diffusion, et d'autres sont en développement."
Déploiement de l'IA simplifié pour l'imagerie des AVC
L'équipe du projet a intégré MONAI Label à XNAT, un système PACS de recherche. Les images provenant du référentiel de l'État, y compris le PACS de télé-AVC, sont transférées vers XNAT, ce qui déclenche automatiquement MONAI Label pour l'inférence. Ce système génère des objets de segmentation DICOM, des cadres de sélection, des superpositions de segmentation PNG et des rapports PDF, qui sont tous stockés de manière centralisée, facilement visualisables à l'aide de la visionneuse OHIF et renvoyés au PACS pour une utilisation clinique.
Toutes les segmentations inexactes générées par l'IA sont signalées et corrigées dans 3D Slicer, et ces corrections sont réutilisées pour l'apprentissage et le réentraînement actifs. L'inférence et le réentraînement accélérés par GPU de MONAI Label permettent une amélioration continue et des cycles de workflow rapides.
L'UNSW exécute actuellement deux modèles déployés : l'un pour la détection des hémorragies et l'autre pour le volume final des infarctus ischémiques à partir d'une IRM. Ces modèles sont constamment affinés avec de nouvelles données et annotations. L'équipe développe également de nouvelles approches pour la tomodensitométrie à contraste amélioré, l'imagerie rétinienne et le suivi des yeux pour le diagnostic des vertiges. Tous les modèles approuvés sont mis à la disposition du public via le MONAI Model Zoo, ce qui permet aux cliniciens du monde entier de les adopter et de les adapter.
"Nous avons développé une boucle de rétroaction. Si le modèle présente un problème, nous le corrigeons, le réentraînons et le redéployons, le tout au sein de notre infrastructure clinique. C'est l'avenir de l'IA dans la médecine."
Dr. Ken Butcher
, professeur de neurologie à l'UNSW Sydney et directeur médical du service de télé-AVC de la NSW
Décisions en temps réel, meilleurs résultats
Le service de télé-AVC fournit désormais une mesure de volume en temps réel des hémorragies sur son réseau. Les données de segmentation et de mesure arrivent dans le PACS et sont partagées en toute sécurité avec tous les spécialistes concernés. Ce workflow permet une prise de décision collaborative à l'échelle de l'État.
"Nous examinons chaque cas en équipe lors de notre réunion hebdomadaire d'examen clinique", précise le Dr Butcher. "Pour la première fois, nous pouvons évaluer objectivement si une hémorragie s'est aggravée et dans quelle mesure. Le modèle d'IRM nous aide à voir exactement quelle quantité de tissu cérébral nous avons économisé après le traitement. C'est plus que de la recherche, c'est de la médecine clinique appliquée."
Pour les hôpitaux ruraux et isolés, cette plateforme est particulièrement révolutionnaire car elle fournit une expertise et des informations essentielles en temps opportun qui peuvent faire la différence entre la guérison et un handicap à vie. Les cliniciens prennent des décisions plus rapides et en toute confiance, ce qui améliore les résultats pour les patients et réduit la pression sur les services d'urgence.
Image cérébrale après un AVC
Une plateforme pour l'apprentissage et l'innovation continus
L'un des aspects les plus innovants du projet est sa capacité à apprendre et à s'améliorer au fil du temps. Chaque segmentation d'IA est examinée dans le cadre des réunions multidisciplinaires hebdomadaires de l'UNSW. Si les résultats du modèle doivent être corrigés, cela se fait rapidement dans 3D Slicer et le système est réentraîné grâce à la fonctionnalité d'apprentissage actif de MONAI Label, ce qui garantit une amélioration continue du système.
"Nous avons développé une boucle de rétroaction", explique le Dr Butcher. "Si le modèle commet une erreur, nous la corrigeons, le réentraînons et le redéployons, le tout au sein de notre infrastructure clinique. C'est l'avenir de l'IA dans la médecine."
Grâce à cette approche, la plateforme s'étend à d'autres domaines d'imagerie, notamment l'ophtalmologie. L'annotation, le réentraînement et la validation continus garantissent que les modèles évoluent parallèlement à la pratique clinique réelle.
"Ce projet a changé ma carrière. Cela m'a ouvert les portes d'un tout nouveau monde de recherche et d'applications cliniques. Et je suis extrêmement satisfait de voir comment cela a réellement amélioré les soins prodigués aux patients. Nous ne nous contentons pas de créer des modèles, nous construisons une infrastructure qui donne plus de moyens aux cliniciens. … En fin de compte, notre objectif est de combiner des lésions et des volumes segmentés par l'IA avec des données cliniques supplémentaires pour prédire la réponse thérapeutique et améliorer les décisions."
Dr. Ken Butcher
, professeur de neurologie à l'UNSW Sydney et directeur médical du service de télé-AVC de la NSW
Une révolution menée par les cliniciens
Dr. Butcher décrit la collaboration avec NVIDIA et MONAI comme étant transformatrice : Ce projet a transformé ma carrière. Cela m'a ouvert les portes d'un tout nouveau monde de recherche et d'applications cliniques. Et je suis extrêmement satisfait de voir comment cela a réellement amélioré les soins prodigués aux patients." Il poursuit : « Nous ne nous contentons pas de créer des modèles, nous construisons une infrastructure qui donne plus de moyens aux cliniciens. Si vous êtes médecin et que vous avez une idée, vous pouvez désormais la concrétiser. En fin de compte, notre objectif est de combiner les lésions et les volumes segmentés par l'IA avec des données cliniques supplémentaires afin de prédire la réponse au traitement et d'améliorer les décisions."
Le service de télé-AVC basé sur l'IA est un exemple parfait de la manière dont l'innovation clinique, l'IA open source et le calcul sur GPU accéléré peuvent transformer les soins de santé. Alors que les cas d'AVC sont en augmentation, les travaux précurseurs de l'UNSW établissent un modèle pour des soins plus rapides, plus intelligents et plus équitables, permettant de prendre les bonnes décisions cliniques en temps réel, où que se trouvent les patients.
En savoir plus sur les solutions de NVIDIA pour l'imagerie médicale.