C’est l’avenir !

Méthodes Il s’agit d’une revue de la littérature portant sur la période de mai 2019 à janvier 2020. Trois grands domaines d’analyses étaient étudiés : segmentation aortique ; géométrie de l’AAA et analyse des fluides ; pronostic des patients avec AAA. Analyse par segmentation et automatisation de l’imagerie préoperatoire de l’AAA : des méthodes manuelles ou semi-automatiques de segmentation de l’AAA ont été utilisées ou encore la méthode des éléments finis. Les analyses du scanner et de l’IRM peuvent être complémentaires. L’analyse automatisée pourrait constituer un gain de temps et de précision pour le diagnostic. La segmentation du thrombus, facteur contribuant à l’évolution de l’AAA, a aussi été évaluée, là aussi par des méthodes manuelles et (semi)-automatiques ou par la méthode d’analyse des éléments finis. L’analyse des calcifications aortiques (CA). Les CA influent aussi sur le développement de l’AAA. L’analyse complètement automatique des CA par machine learning utilisant une technologie de réseaux neuronaux a été testée avec des résultats encourageants. D’autres paramètres peuvent être pris en compte par ces technologies : la géométrie de l’AAA, les facteurs hémodynamiques, l’épaisseur de la paroi, le wall shear stress. Leur analyse pourrait être particulièrement intéressante par rapport au risque de rupture. Une strate supplémentaire consisterait à intégrer dans un algorithme plus large des paramètres biologiques et des données cliniques. De tels outils pourraient gérer des aspects comme le dépistage diagnostique des AAA, le choix du traitement, l’évaluation du risque de complications, l’adaptation du rythme et des modalités de suivi. Le chemin est encore semé d’embuches : problèmes légaux de partage de données en grandes quantités, infrastructures de stockage des données adaptées, coût du développement, hétérogénéité des techniques d’analyse. Mais la marche est enclenchée et pourrait bien modifier en profondeur notre exercice dans une perspective à moyen terme. Raffort J et al. J Vasc Surg 2020 ; 72 : 321-33.