Evaluation automatique des vues endoscopiques pour la validation des points de contrôle au bloc opératoire – AI4ORSafety

Le projet AI4ORSafety vise à proposer de nouvelles méthodes d’analyse des vidéos endoscopiques pour construire un système d’IA au bloc opératoire capable de vérifier automatiquement la réalisation de certaines étapes de sécurité. Ce projet s’intéresse à une application chirurgicale à fort impact: le contrôle automatique de la « vue critique de sécurité (VCS) » lors de cholécystectomies réalisées sous laparoscopie.

La VCS est une manoeuvre fortement conseillée par les sociétés internationales de chirurgie endoscopique pour réduire le taux de blessures du système biliaire lors des cholécystectomies. Ces mêmes sociétés soulignent le besoin de nouveaux outils pour faciliter la réalisation et le déploiement de la VCS, car le taux de blessures reste 2 fois supérieur à celui de la même procédure réalisée en chirurgie ouverte. La version laparoscopique étant très fréquente –plus d’un million par an uniquement aux Etats-Unis- la mise en œuvre correcte de la VCS correspond à un fort enjeu socio-économique. Nous pensons que l’IA a un rôle majeur à jouer dans cette situation : le projet a d’ailleurs déjà reçu le soutien d’un groupe international de 10 cliniciens lors d’une étude de faisabilité.

La VCS est une manière de disséquer et visualiser l’anatomie pour s’assurer qu’elle a été correctement identifiée. Nous pensons qu’un ordinateur peut réaliser cette évaluation uniquement à partir de la vidéo, car les chirurgiens le font a posteriori de cette manière. Notre objectif est donc de s’assurer que cette étape est correctement réalisée, car certaines études ont montré à partir d’une analyse indépendante des vidéos que même lorsque la VCS est notée dans le rapport d’opération, elle n’est pas correctement réalisée dans la majorité des cas (l’accord étant de seulement 18%). Dans l’étude de faisabilité, nous avons conçu avec nos collaborateurs cliniques un protocole d’évaluation convenant à une automatisation par l’IA et reposant sur plusieurs critères binaires caractérisant la réalisation de la VCS. Les données vidéo sont cependant compliquées, notamment à cause de la nature de l’anatomie.

Pour s’attaquer à ce problème, nous proposerons des méthodes pour (1) l’apprentissage auto-supervisé à partir des vidéos endoscopiques, données où les méthodes de vision classiques ont un succès limité; (2) la segmentation faiblement supervisée à partir de clips vidéo, l’anatomie pouvant servir non seulement à la prédiction de la VCS, mais aussi à l’explication de la prédiction ; et (3) l’attribution d’une note aux clips vidéos et l’explication de celle-ci, essentielle aux systèmes d’IA cliniques. Notre contribution majeure sera de développer ces méthodes pour les vidéos endoscopiques, pour lesquelles peu de solutions existent. Elles ont un fort potentiel à être utilisées en routine pour des contrôles de sécurité dans diverses procédures chirurgicales. Nous allons aussi développer un prototype de démonstration temps-réel et l’intégrer dans une tour de contrôle des blocs opératoires. Cette tour, à l’instar de l’aéronautique, sera en mesure d’exploiter les données des blocs pour contrôler automatiquement la sécurité et la progression des chirurgies. L’IHU Strasbourg, l’hôpital dans lequel mon équipe est hébergée, a mis en place les équipements nécessaires à une telle tour et s’est fortement engagé à la développer dans le futur.

Nous démontrerons nos résultats sur grande base de données de vidéos endoscopiques. Nous débuterons avec une base existante de 600 vidéos, qui sera complétée par 600 vidéos en provenance de nos partenaires cliniques. Ce projet de chaire a reçu un soutien fort de l’Université de Strasbourg, de l’IHU Strasbourg, et d’une équipe internationale de cliniciens. En cas de succès, nous espérons que les contrôles de sécurité par l’IA pourront être déployés rapidement dans de nombreux bloc opératoires grâce à notre réseau clinique, ce qui mettra en avant le fort potentiel de recherche en IA clinique existant en France.