L’analyse morphologique visuelle première des calculs urinaires associée à l’analyse infrarouge permet une meilleure connaissance des facteurs lithogènes. La reconnaissance visuelle endoscopique des morphologies des calculs aide à la compréhension des causes lithogènes. Nous pouvons évaluer la morphologie macroscopique de la surface, de la section et du noyau d’un calcul entier, tandis que l’analyse des fragments n’évalue qu’une partie du calcul. Récemment, nous avons montré une concordance entre la reconnaissance visuelle endoscopique par un urologue expert et la microscopie optique. Nous avons également montré une très grande précision de la reconnaissance visuelle d’images numériques grâce à l’intelligence artificielle (IA). Notre objectif était de savoir si l’apprentissage des associations fréquentes entre morphologies de calcul permet d’augmenter la précision de l’IA.

Nous avons utilisé une base de données de 398 images endoscopiques de calculs urinaires avec leurs analyses infrarouges microscopiques et spectrophotométriques respectives. Nous avons recherché des associations fréquentes entre morphologies mixtes. Nous avons testé notre hypothèse avec les calculs purs et mixtes les plus fréquents : Ia, IIb, IIIb, Ia+IIb et Ia+IIIb.

Avec notre logiciel d’IA, notre précision moyenne d’identification de la bonne morphologie était de 81 % (±10 %) avec 90 % pour Ia, 81 % pour IIb, 81 % pour IIIb, 72 % pour Ia+IIb et 79 % pour Ia +IIIb. Après avoir appris au logiciel les associations fréquentes, nous avons augmenté la précision moyenne à 90 % (±7 %) avec 94 % pour Ia, 88 % pour IIb, 94 % pour IIIb, 85 % pour Ia+IIb et 91 % pour Ia+IIIb, de façon statistiquement significative pour toutes les morphologies (Mann-Whitney).

Enseigner à l’IA des associations fréquentes de morphologies de calculs urinaires augmente sa capacité à identifier avec précision la bonne morphologie sur des images numériques de calculs in situ de morphologies pures et mixtes.