1. Deep Learning for the Automatic Quantification of Pleural Plaques in Asbestos-Exposed Subjects
- Author
-
Ilyes Benlala, Baudouin Denis De Senneville, Gael Dournes, Morgane Menant, Celine Gramond, Isabelle Thaon, Bénédicte Clin, Patrick Brochard, Antoine Gislard, Pascal Andujar, Soizick Chammings, Justine Gallet, Aude Lacourt, Fleur Delva, Christophe Paris, Gilbert Ferretti, Jean-Claude Pairon, François Laurent, CHU Bordeaux [Bordeaux], Institut de Mathématiques de Bordeaux (IMB), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS), Modélisation Mathématique pour l'Oncologie (MONC), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Institut Bergonié [Bordeaux], UNICANCER-UNICANCER-Inria Bordeaux - Sud-Ouest, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Bordeaux population health (BPH), Université de Bordeaux (UB)-Institut de Santé Publique, d'Épidémiologie et de Développement (ISPED)-Institut National de la Santé et de la Recherche Médicale (INSERM), CHRU de Nancy, CHU Caen, Normandie Université (NU)-Tumorothèque de Caen Basse-Normandie (TCBN), Unité de recherche interdisciplinaire pour la prévention et le traitement des cancers (ANTICIPE), Université de Caen Normandie (UNICAEN), Normandie Université (NU)-Normandie Université (NU)-CHU Caen, Normandie Université (NU)-Tumorothèque de Caen Basse-Normandie (TCBN)-Tumorothèque de Caen Basse-Normandie (TCBN)-Centre Régional de Lutte contre le Cancer François Baclesse [Caen] (UNICANCER/CRLC), Normandie Université (NU)-UNICANCER-Tumorothèque de Caen Basse-Normandie (TCBN)-UNICANCER-Institut National de la Santé et de la Recherche Médicale (INSERM), CHU de Bordeaux Pellegrin [Bordeaux], UNIROUEN - UFR Santé (UNIROUEN UFR Santé), Université de Rouen Normandie (UNIROUEN), Normandie Université (NU)-Normandie Université (NU), Université Paris-Est Créteil Val-de-Marne - Faculté de médecine (UPEC Médecine), Université Paris-Est Créteil Val-de-Marne - Paris 12 (UPEC UP12), Centre Hospitalier Intercommunal de Créteil (CHIC), Institut Interuniversitaire de Médecine du Travail de Paris Ile-de-France (IIMTPIF), CHU Pontchaillou [Rennes], Institut de recherche en santé, environnement et travail (Irset), Université d'Angers (UA)-Université de Rennes (UR)-École des Hautes Études en Santé Publique [EHESP] (EHESP)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Structure Fédérative de Recherche en Biologie et Santé de Rennes ( Biosit : Biologie - Santé - Innovation Technologique ), Institute for Advanced Biosciences / Institut pour l'Avancée des Biosciences (Grenoble) (IAB), Centre Hospitalier Universitaire [Grenoble] (CHU)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Etablissement français du sang - Auvergne-Rhône-Alpes (EFS)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA), Centre de recherche Cardio-Thoracique de Bordeaux [Bordeaux] (CRCTB), Université Bordeaux Segalen - Bordeaux 2-CHU Bordeaux [Bordeaux]-Institut National de la Santé et de la Recherche Médicale (INSERM), This research was funded by French National Health Insurance (Occupational Risk Prevention Department), French Ministry of Labour and Social Relations, French Agency for Food, Environmental and Occupational Health and Safety (ANSES grant 07-CRD-51, EST 2006/1/43, EST 2009/68)., Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS), Centre Hospitalier Régional Universitaire de Nancy (CHRU Nancy), Normandie Université (NU), Université de Bordeaux (UB), Aliments Bioprocédés Toxicologie Environnements (ABTE), Normandie Université (NU)-Normandie Université (NU)-Université de Rouen Normandie (UNIROUEN), CHU Rouen, Institut Mondor de Recherche Biomédicale (IMRB), Institut National de la Santé et de la Recherche Médicale (INSERM)-IFR10-Université Paris-Est Créteil Val-de-Marne - Paris 12 (UPEC UP12), Université d'Angers (UA)-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-École des Hautes Études en Santé Publique [EHESP] (EHESP)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Structure Fédérative de Recherche en Biologie et Santé de Rennes ( Biosit : Biologie - Santé - Innovation Technologique ), Centre Hospitalier Universitaire [Grenoble] (CHU), Agence Nationale de Sécurité Sanitaire de l’Alimentation, de l’Environnement et du Travail, Ministère du Travail, de l’Emploi, de la Formation Professionnelle et du Dialogue Social, and Admin, Oskar
- Subjects
artificial intelligence ,pleural plaques ,asbestos exposure ,Health, Toxicology and Mutagenesis ,Public Health, Environmental and Occupational Health ,Asbestos ,Deep Learning ,[SDV.SPEE] Life Sciences [q-bio]/Santé publique et épidémiologie ,Artificial Intelligence ,Occupational Exposure ,Medicine ,Humans ,[SDV.SPEE]Life Sciences [q-bio]/Santé publique et épidémiologie ,[SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing ,Retrospective Studies - Abstract
International audience; OBJECTIVE: This study aimed to develop and validate an automated artificial intelligence (AI)-driven quantification of pleural plaques in a population of retired workers previously occupationally exposed to asbestos. METHODS: CT scans of former workers previously occupationally exposed to asbestos who participated in the multicenter APEXS (Asbestos PostExposure Survey) study were collected retrospectively between 2010 and 2017 during the second and the third rounds of the survey. A hundred and forty-one participants with pleural plaques identified by expert radiologists at the 2nd and the 3rd CT screenings were included. Maximum Intensity Projection (MIP) with 5 mm thickness was used to reduce the number of CT slices for manual delineation. A Deep Learning AI algorithm using 2D-convolutional neural networks was trained with 8280 images from 138 CT scans of 69 participants for the semantic labeling of Pleural Plaques (PP). In all, 2160 CT images from 36 CT scans of 18 participants were used for AI testing versus ground-truth labels (GT). The clinical validity of the method was evaluated longitudinally in 54 participants with pleural plaques. RESULTS: The concordance correlation coefficient (CCC) between AI-driven and GT was almost perfect (>0.98) for the volume extent of both PP and calcified PP. The 2D pixel similarity overlap of AI versus GT was good (DICE = 0.63) for PP, whether they were calcified or not, and very good (DICE = 0.82) for calcified PP. A longitudinal comparison of the volumetric extent of PP showed a significant increase in PP volumes (p < 0.001) between the 2nd and the 3rd CT screenings with an average delay of 5 years. CONCLUSIONS: AI allows a fully automated volumetric quantification of pleural plaques showing volumetric progression of PP over a five-year period. The reproducible PP volume evaluation may enable further investigations for the comprehension of the unclear relationships between pleural plaques and both respiratory function and occurrence of thoracic malignancy.
- Published
- 2022
- Full Text
- View/download PDF