Le phénomène de Raynaud (PR) est un acrosyndrome paroxystique qui touche 5 à 15 % de la population. Il est primaire dans 80 % des cas et secondaire dans 20 % des cas avec la sclérodermie systémique (SS) et autres connectivites. La définition EULAR-ACR de la SS intègre les données de la capillaroscopie et la présence de PR. Lors d’une SS, deux types d’anomalies apparaissent : angiogenèse excessive (mégacapillaires et capillaires ramifiés) et destruction capillaire (raréfactions et désorganisation du lit capillaire). CAPIA est un projet d’intelligence artificielle (IA), pour créer un outil d’aide au diagnostic de SS chez des patients atteints de PR.

À partir d’une base de données de capillaroscopies du CHU de Dijon, deux dataset ont été constitués : 50 patients avec sclérodermie (S) et 50 patients normaux (N). Nous disposions de plusieurs images par patient en format .jpg à grossissement identique (×50). Les images ont été annotées par des médecins vasculaires : capillaire normal, mégacapillaire (>50μm), hémorragie, raréfaction, thrombose, dystrophie majeure et mesure de la densité par millimètre. Chaque image a bénéficié d’un pré-traitement d’augmentation de contraste par méthode CLAHE (Contrast Limited Adaptive Histogram Equalization). Le choix de l’algorithme s’est tourné vers YoloV5. L’entraînement supervisé a été effectué sur un jeu comportant 80 % des images S et N. Une interface utilisateur a été développée (Gradio) pour permettre le dépôt de l’image et son interprétation par l’algorithme entraîné et laissant à l’utilisateur un degré de confiance ajustable.

L’utilisation de l’interface utilisateur réalise une bonne détection des mégacapillaires, hémorragies et capillaires normaux. Son évaluation par Precision-Recall-Curve se situe entre 60 et 70 %. Le pré-traitement CLAHE a permis une meilleure visualisation des capillaires entraînant une surestimation des zones de raréfaction par les médecins vasculaires.

Comme dans notre expérience, le traitement des images de capillaroscopie grâce à l’IA a été étudié dans la littérature et montre son intérêt dans la détection des anomalies capillaires.

L’application, développée à partir d’outils d’IA, est facile d’utilisation et détecte efficacement mégacapillaires, capillaires normaux et hémorragies. Elle est une aide diagnostique pour les patients avec un PR et oriente vers le diagnostic de SS. Cependant, elle reste incomplète et nécessite de l’optimiser et de l’évaluer à plus grande échelle pour poursuivre son développement.