Apprentissage à partir de lectures multiples pour la classification de la spondyloarthrite axiale des articulations sacro-iliaques

Pourquoi cela compte pour les personnes souffrant de maux de dos

La lombalgie chronique peut bouleverser la vie, et l’une des causes importantes est une affection appelée spondyloarthrite axiale, qui atteint souvent les articulations reliant la colonne vertébrale au bassin. Les médecins utilisent l’imagerie par résonance magnétique (IRM) pour repérer les premiers signes de lésion dans ces articulations sacro-iliaques, mais examiner des centaines ou des milliers de scans manuellement est lent et parfois peu cohérent entre spécialistes. Cette étude montre comment un système entièrement automatisé peut délimiter ces articulations et évaluer plusieurs types de lésions sur l’IRM avec des performances similaires à celles d’experts humains, ce qui pourrait accélérer la prise en charge et rendre les évaluations plus fiables.

Examiner de près une articulation difficile à voir

Les articulations sacro-iliaques sont situées profondément dans le bassin, là où la base de la colonne rejoint les os iliaques. Dans la spondyloarthrite axiale, ces articulations peuvent présenter un œdème, des changements graisseux, une érosion et une prolifération osseuse, autant d’anomalies qui apparaissent comme des motifs subtils à l’IRM. Aujourd’hui, des lecteurs formés scrutent chaque image et notent ces changements, mais même les experts se contredisent souvent d’un jour à l’autre ou entre eux. Les auteurs se sont attaqués à deux problèmes liés : d’abord, apprendre à un ordinateur à localiser et tracer le contour de chaque articulation sacro-iliaque sur l’IRM ; ensuite, l’entraîner à détecter cinq types de lésions clés, importants pour le diagnostic et le suivi. En automatisant ces deux étapes, ils visent à réduire la charge de travail des radiologues et des rhumatologues tout en améliorant la cohérence dans les grands essais cliniques et, à terme, la pratique courante.

Apprendre à l’ordinateur à dessiner l’articulation

Pour repérer les articulations sacro-iliaques, l’équipe a conçu une méthode qui n’encercle pas l’articulation comme un bloc plein mais apprend plutôt la ligne précise de sa frontière. Ils entraînent un réseau de neurones à prédire un « flux » de petites flèches sur chaque coupe d’IRM, où les flèches situées à l’extérieur de l’articulation pointent vers l’emplacement le plus proche du bord et celles qui se trouvent sur le bord suivent sa direction comme un chemin. Le même réseau prédit aussi où la frontière doit commencer et finir. Un « marcheur » virtuel suit ensuite les flèches depuis le point de départ jusqu’au point d’arrivée, traçant une courbe ouverte qui marque l’articulation. Testée sur un grand jeu de données local de près de 17 000 images, cette approche de suivi de contour a produit des contours d’articulation plus lisses et plus précis qu’une méthode plus simple basée sur des repères, avec la plupart des erreurs inférieures à quelques millimètres — suffisant pour définir une région d’intérêt étroite pour la notation ultérieure.

Des contours propres aux cartes détaillées des lésions

Une fois les articulations délimitées, le système recadre des régions focalisées autour des articulations sacro-iliaques gauche et droite à partir de deux types de séquences IRM qui mettent en évidence différentes caractéristiques tissulaires. Chaque articulation est divisée en quatre quadrants du côté du bassin et du côté de la colonne. Un modèle d’apprentissage profond examine alors l’empilement des coupes et, pour chaque quadrant et chaque articulation entière, prédit la présence des cinq types de lésions : œdème de la moelle osseuse, transformation graisseuse, érosion de surface, durcissement osseux (sclérose) et fusion articulaire. Un trait distinctif de ce travail est la façon dont il gère le désaccord humain. Plutôt que de s’appuyer sur une note unique, le modèle est entraîné sur plusieurs lectures provenant de plusieurs experts, apprenant comment chaque lecteur a tendance à noter les scans et comment leurs opinions se combinent en un « consensus » partagé. Cela permet à l’ordinateur d’imiter le jugement collectif des spécialistes plutôt que celui d’un observateur isolé.

Faire la preuve de fiabilité sur plusieurs essais cliniques

Les chercheurs ont entraîné leur classificateur de lésions sur des IRM issues d’un grand essai sur la spondylarthrite ankylosante, puis l’ont testé sur deux essais indépendants qui n’avaient jamais été utilisés durant l’entraînement. À travers ces études, le système a montré une forte capacité à distinguer les scans avec et sans lésions, la performance variant légèrement selon le type de lésion. Il était particulièrement précis pour détecter des changements avancés comme la fusion articulaire et la prolifération osseuse, et un peu moins pour des signes d’œdème précoces et plus subtils — un défi qui affecte aussi les lecteurs humains. Lorsqu’on a comparé les prédictions du modèle aux étiquettes de consensus issues de plusieurs experts, sa précision et son pouvoir de discrimination étaient comparables, et dans certains cas proches, des niveaux d’accord observés entre lecteurs humains eux-mêmes.

Ce que cela signifie pour les patients et les cliniciens

En termes concrets, l’étude démontre qu’un ordinateur peut apprendre à tracer les articulations sacro-iliaques sur l’IRM et repérer des motifs importants de lésions articulaires avec une compétence comparable à celle d’experts humains, même lorsque ces derniers ne sont pas toujours d’accord entre eux. Si le système ne remplace pas le jugement clinique, il offre un moyen de standardiser la lecture des IRM des articulations sacro-iliaques en recherche et, après validations supplémentaires, en clinique. Cela pourrait conduire à des diagnostics plus rapides et plus cohérents, un meilleur suivi de la réponse au traitement, et des études à grande échelle plus efficaces sur de nouvelles thérapies pour les personnes atteintes de spondyloarthrite axiale.

Citation: Jamaludin, A., Windsor, R., Ather, S. et al. Learning from multiple readings for axial spondyloarthritis classification of the sacroiliac joints. Sci Rep 16, 9866 (2026). https://doi.org/10.1038/s41598-026-39417-3

Mots-clés: spondyloarthrite axiale, IRM des articulations sacro-iliaques, IA en imagerie médicale, classification des lésions, douleur lombaire chronique