CAD-CAP: une base de données française à vocation internationale, pour le développement et la validation d'outils de diagnostic assisté par ordinateur en vidéocapsule endoscopique du grêle

Introduction:

La vidéocapsule endoscopique du grêle (VCE-G) est un examen de première ligne dans l'exploration non-invasive de l'intestin grêle. Avec un nombre moyen de 50000 images du grêle par examen, l'interprétation d'un enregistrement reste fastidieux et chronophage (en moyenne 30 à 40 minutes par vidéo), et source potentielle de lésions manquées. Aussi, le développement de programmes de détection assisté par ordinateur (DAO) est un enjeu majeur de recherche en VCE-G. La création d'une banque d'images et de vidéo de VCE-G, ouvertes à la communauté des chercheurs dans ce domaine, est indispensable d'une part aux processus d'apprentissage par ordinateur (machine learning) et d'autre part aux comparaisons valides de différents algorithmes.

Matériels et Méthodes:

Après accord de la CNIL et obtention d'un CPP, une banque nationale d'images et de vidéos de VCE-G était créée sous l'égide de la SFED, avec le soutien financier de la SNFGE. Du fait de sa vocation internationale, elle était nommée «Computer-Assisted Diagnosis for CAPsule endoscopy» (CAD-CAP). Un travail préalable de définition sémiologique des lésions vasculaires du grêle par un panel d'experts internationaux était réalisé, afin d'organiser un classement pertinent des lésions.(1) Treize centres français participaient à CAD-CAP, en collaboration avec un groupe de chercheurs spécialisés dans le traitement d'images. Toutes les VCE-G de 3ème génération (Pillcam SB3 system, Medtronic) étaient obtenues rétrospectivement (donc préalablement lues, avec des images d'intérêt sélectionnées), anonymisées, et centralisées. Les images d'intérêt étaient ensuite extraites, traitées pour annotation, validation, classement, et mise en réseau. Les images étaient annotées (entourées, segmentées) manuellement, lésion par lésion, au sein de chaque image extraite, par des étudiants entrainés et supervisés, à l'aide d'une tablette électronique, d'un stylet et d'un logiciel de traitement d'image dédiés. Ces mêmes images étaient ensuite relues par un panel de 3 lecteurs experts, validées (pour leur pertinence et la qualité de leur annotation), puis classées par pathologie. Par ailleurs, un algorithme d'extraction automatique d'images issues de vidéos normales était développé pour créer une banque témoin. Enfin, pour chaque image extraite (pathologique ou normale), une courte séquence vidéo était créée (9 secondes en moyenne, avec les 25 images précédant et les 25 images suivant l'image de référence).

Résultats:

4166 VCE-G étaient colligées. 1127 vidéos (27%) contenant au moins une image pathologique étaient sélectionnées. 6203 images pathologiques jugées pertinentes (sélectionnées par le lecteur du centre participant) étaient extraites et annotées. Par ailleurs, 20000 images normales (servant de contrôle) étaient extraites aléatoirement de 206 vidéos du grêle complètes et normales du grêle. A chacune des 26203 images extraites (pathologique ou normale) était associée une courte séquence vidéo, centrée l'image de référence. La banque CAD-CAP a déjà permis la validation d'algorithmes performants pour la reconnaissance d'angiodysplasies du grêle (2), et l'organisation d'un concours international dans ce domaine (3).

Conclusion:

La banque CAD-CAP est un outil original et innovant, servant la recherche internationale sur le DAO en VCE-G. Elle sera mise en ligne en mars 2018 sur le site de la SFED.

Remerciements, financements, autres:

Le projet CAD-CAP a été développé sous l'égide de la SFED, avec le soutien financier de la SNFGE (bourse FARE).