Mise en œuvre d'un réseau neuronal artificiel pour prédire la nécessité d'un shunt carotidien

En chirurgie carotidienne, il est utile de savoir si un patient va tolérer le clampage pour réduire au minimum les risques d'AVC périopératoire. Dans cette étude clinique, un réseau neuronal artificiel (RNA) a été utilisé et comparé aux méthodes statistiques conventionnelles pour évaluer la valeur de plusieurs paramètres pour prévoir la nécessité d'un shunt. Huit cents cinquante patients ayant une endartériectomie sous anesthésie locale pour sténose serrée de la carotide interne ont été analysés pour la nécessité d'un shunt en utilisant un RNA standard avec réaction de rétropropagation (NeuroSolutions ® ; NeuroDimensions, Gainesville, Floride, Etats-Unis) à trois couches (une couche d'entrée, une couche cachée, une couche de sortie). Parmi les neurones d'entrée, les paramètres cliniques préopératoires (n = 9) et hémodynamiques peropératoires (n = 3) étaient examinés séparément. L'exactitude de la prévision a été comparée aux résultats d'une analyse en régression sur les mêmes variables. Chez 173 patients (20%) un shunt a été employé en raison d'un déficit hémisphérique ou d'une perte de conscience pendant le clampage. Avec le RNA, le non besoin d'un shunt était prédit par les paramètres préopératoires et peropératoires avec une exactitude de 96% et de 91%, respectivement, l'analyse en régression ayant une exactitude de 98% et de 96%, respectivement. Les patients qui ont eu besoin d'un shunt étaient identifiés par les paramètres préopératoires dans 9% des cas et par les paramètres peropératoires dans 56% des cas quand le RNA était employé. L'analyse en régression prédisait correctement l'utilisation d'un shunt dans 10% cas avec les paramètres préopératoires et 41% des cas avec les paramètres peropératoires. Les paramètres hémodynamiques peropératoires sont plus appropriés que les paramètres préopératoires pour indiquer la nécessité d'un shunt mais l'utilisation d'un RNA fournit des résultats légèrement meilleurs que l'analyse de régression. Cependant, la précision globale est trop faible pour renoncer aux méthodes de neuro-monitorage périopératoire comme l'anesthésie locale.