Fusion echo + radio par deep learning : le staging MMVD a l epreuve du B2

🫀 Un cavalier king charles de 8 ans, un souffle systolique apexien gauche, une propriétaire qui attend votre verdict. B1 ou B2 ? Toute la différence tient là : d'un côté vous revoyez le chien dans six mois, de l'autre vous démarrez le pimobendan aujourd'hui. 📏 Et pour trancher, vous croisez déjà deux images. Le rapport LA/Ao sur votre coupe parasternale droite petit axe. La silhouette cardiaque sur votre radio thoracique. Deux façons de regarder le même cœur, et une décision au bout. 🔬 Une équipe thaïlandaise vient de formaliser ce raisonnement. Sur 902 chiens suivis entre 2014 et 2024, les auteurs ont entraîné un réseau de deep learning à fusionner ces deux mêmes images pour proposer un stade ACVIM. 📊 80,3 % de concordance sur les quatre stades (Normal, B1, B2, C). Et sur le B2, celui qui déclenche le traitement : 82,1 % de sensibilité, 91,1 % de valeur prédictive positive. ⚠️ Deux réserves posées par les auteurs eux-mêmes, à lire avant les chiffres : la performance dépend étroitement d'incidences standardisées, et l'étude est monocentrique, sans validation externe. Preuve de faisabilité, pas outil de terrain. 💡 Ce qui m'intéresse ici, c'est la logique. Le modèle ne remplace aucun des deux examens : il les met en relation. Il identifie une signature d'image, il propose un stade. C'est vous qui posez le diagnostic, qui intégrez l'auscultation, la tolérance à l'effort et l'historique du chien. 📚 Thepsupornkul K., Surachetpong S. D., Kunapinun A., Dailey M. N. (2026). Journal of Thoracic Disease. https://doi.org/10.21037/jtd-2026-1-0216 🎧 On décortique ce type de publication dans le podcast VETO-IA : https://open.spotify.com/show/5wlGAVBuJwv0a1QFepdwoX