Premières expériences cliniques de la planification de l'EVAR basée sur l'IA utilisant l'Endoleak Risk Index (ERI)

Objectif

L'objectif de cette étude était d'évaluer notre première expérience de l'utilisation de l'Endoleak Risk Index (ERI), basé sur l'intelligence artificielle, dans la planification de la réparation endovasculaire de l'anévrisme de l'aorte abdominale sous-rénale, en mettant l'accent sur son impact sur la prise de décision clinique.

Méthodes

Cette étude monocentrique a évalué deux groupes de patients traités par réparation endovasculaire de l'anévrisme de l'aorte (EVAR) avec Endurant. Le groupe 1 comprenait une cohorte rétrospective avec un suivi d'au moins 3 ans. L'ERI a été calculé pour ce groupe à partir des scanners préopératoires par angio-tomodensitométrie et comparé aux résultats réels.

Le groupe 2, prospectif, incluait des patients programmés pour une EVAR élective entre mars 2024 et mars 2025, avec des simulations préopératoires basées sur l'IA pour le dimensionnement de l'endoprothèse, incluant le calcul de l'ERI pour la prédiction du risque d'endofuite de type 1a (EL1a). L'influence de l'ERI sur la prise de décision clinique a été évaluée. Les patients ayant bénéficié de scanners sans injection de produit de contraste ou avec une épaisseur de coupe supérieure à 3 mm ont été exclus.

Résultats

Vingt patients ont été inclus, avec 10 patients par groupe et un âge médian de 70 ans (intervalle : 59-81 ans) dans le groupe 1 et de 72 ans (intervalle : 60-84 ans) dans le groupe 2. Dans le groupe 1, l'ERI était élevé dans six des 10 cas, quatre patients ayant présenté des EL1a périopératoires ou tardives au cours du suivi.

Il est à noter que deux patients présentant un ERI élevé n'ont pas développé d'EL1a sur des périodes de suivi de 93 et 44 mois, tandis que tous les patients ayant un ERI faible sont restés exempts d'endofuite. Deux patients du groupe 2 présentaient un ERI faible sans EL1a, tandis que deux autres présentaient un ERI élevé pour au moins une taille d'endoprothèse simulée, entraînant un changement de traitement (endoprothèse plus large) pour un patient.

Les six patients restants présentaient un ERI élevé pour toutes les tailles simulées, un cas s'avérant inadapté à une EVAR sous-rénale. Malgré un ERI élevé, le plan de traitement initial est resté inchangé pour quatre patients, dont l'un est décédé de causes cardiaques avant l'implantation. Dans l'ensemble, aucun patient du groupe 2 n'a développé d'EL1a au cours d'un suivi médian de 3 mois (intervalle : 1-12 mois).

Conclusions

Cette étude pilote suggère que le calcul de l'ERI peut être précieux même dans les cas simples, soulignant l'importance de la formation dans le processus de planification de l'EVAR.

Avec une validation supplémentaire à partir de jeux de données plus larges et les avancées technologiques, la prédiction du risque d'EL1a basée sur l'intelligence artificielle a le potentiel d'améliorer considérablement la planification de l'EVAR à l'avenir, en favorisant la sécurité des patients grâce à des stratégies de traitement personnalisées et en soutenant le chirurgien dans sa prise de décision.

‍