Prise de décision assistée par l’intelligence artificielle : prédiction du niveau optimal de la marge mésorectale distale pendant l’excision mésorectale totale transanale (TaTME) à l’aide d’une modélisation par réseau neuronal profond

Abstract

Introduction

En cas de forte angulation anorectale postérieure, l’excision mésorectale totale par voie transanale peut présenter un risque de dissection dans le mauvais plan ou en commençant plus haut, ce qui a pour conséquence de laisser le mésorectum distal derrière. Bien que la marge mésorectale distale puisse être évaluée par IRM préopératoire, elle nécessite un radiologue compétent et une image haute définition pour une évaluation précise. Cette étude a développé un réseau neuronal profond (DNN) pour prédire le niveau optimal de la marge mésorectale distale.

Méthode

Au total, 182 images IRM pelviennes extraites de la base de données du Cancer Image Archive (TCIA) ont été incluses. Un DNN a été développé en utilisant le sexe, le degré des angles anorectaux antérieurs et postérieurs comme variables d’entrée, tandis que la différence entre les distances mésorectales antérieures et postérieures par rapport à la marge anale a été sélectionnée comme cible. Le pouvoir de prédiction a été évalué par les valeurs de régression (R), qui sont la corrélation entre les sorties prédites et les cibles réelles.

Résultats

L’angle antérieur était un angle obtus tandis que l’angle postérieur variait d’aigu à obtus avec une différence d’angle moyenne de 35,5° ± 14,6. La différence moyenne entre les distances mésorectales antérieures et postérieures était de 18,6 ± 6,6 mm. Le DNN développé avait une corrélation très étroite avec la cible pendant la formation, la validation et le test (R = 0,99, 0,81 et 0,89, p < 0,001). Le niveau prédit de la marge mésorectale distale était étroitement corrélé avec le niveau optimal réel (R = 0,91, p < 0,001).

Conclusion

L’intelligence artificielle peut aider à prendre ou à confirmer les décisions préopératoires. En outre, le modèle développé peut alerter les chirurgiens sur ce risque potentiel et sur la nécessité de repositionner l’incision de proctectomie.

Background

With steep posterior anorectal angulation, transanal total mesorectal excision (taTME) may have a risk of dissection in the wrong plane or starting higher up, resulting in leaving distal mesorectum behind. Although the distal mesorectal margin can be assessed by preoperative MRI, it needs skilled radiologist and high-definition image for accurate evaluation. This study developed a deep neural network (DNN) to predict the optimal level of distal mesorectal margin.

Methods

A total of 182 pelvic MRI images extracted from The Cancer Image Archive (TCIA) database were included. A DNN was developed using gender, the degree of anterior and posterior anorectal angles as input variables while the difference between anterior and posterior mesorectal distances from anal verge was selected as a target. The predictability power was assessed by regression values (R), which is the correlation between the predicted outputs and actual targets.

Results

The anterior angle was an obtuse angle while the posterior angle varied from acute to obtuse with mean angle difference 35.5° ± 14.6. The mean difference between the anterior and posterior mesorectal end distances was 18.6 ± 6.6 mm. The developed DNN had a very close correlation with the target during training, validation, and testing (R = 0.99, 0.81, and 0.89, P < 0.001). The predicted level of distal mesorectal margin was closely correlated with the actual optimal level (R = 0.91, P < 0.001).

Conclusions

Artificial intelligence can assist in either making or confirming the preoperative decisions. Furthermore, the developed model can alert the surgeons for this potential risk and the necessity of re-positioning the proctectomy incision.