Contexte : L'épiphysite fémorale capitale glissée (EFCG) est un trouble de la hanche chez les adolescents souvent manqué lors de la présentation initiale en raison de résultats radiographiques subtils, entraînant des complications significatives. Les méthodes de diagnostic traditionnelles comme la ligne de Klein sont subjectives et sujettes à la variabilité inter-observateurs. Cette étude visait à développer et valider un modèle d'apprentissage profond guidé par l'attention pour identifier automatiquement l'EFCG sur des radiographies pelviennes pédiatriques. Méthodes : un total de 174 radiographies pelviennes (139 pour l'entraînement, 35 pour le test) a été collecté rétrospectivement. Un modèle en deux étapes a été développé : d'abord, un modèle U-Net++ a segmenté la tête fémorale pour définir une région anatomique d'intérêt (ROI). Ensuite, un modèle EfficientNet B1 guidé par l'attention, entraîné pour se concentrer spécifiquement au sein de la ROI, a classé les radiographies comme « EFCG » ou « pas d'EFCG ». La performance du modèle a été évaluée sur l'ensemble de test en utilisant l'aire sous la courbe de la caractéristique d'exploitation du récepteur (AUC), l'exactitude, la sensibilité et la spécificité. Résultats : Le modèle de détection de l'EFCG a démontré une AUC de 0,893, une exactitude de 91,4 %, une sensibilité de 93,3 % et une spécificité de 90,0 %. Les visualisations par Class Activation Mapping (Grad-CAM) ont confirmé que les prédictions du modèle étaient basées sur la ROI anatomiquement pertinente. Conclusions : Le modèle d'apprentissage profond guidé par l'attention a détecté l'EFCG avec une grande exactitude diagnostique. Le mécanisme d'attention informé anatomiquement fournit une interprétabilité, améliorant son utilité dans les contextes cliniques. Cet outil automatisé montre un potentiel en tant que système d'aide à la décision clinique pour réduire les délais de diagnostic et améliorer la cohérence de la détection de l'EFCG. Niveau de preuve : Niveau III.
Chakladar et al. (Tue,) ont étudié cette question.