Évaluer la qualité diagnostique d’images de contraste virtuel (CV) en tomodensitométrie à comptage photonique (PCCT), générées à partir de données sans injection (VNC) à l’aide d’un modèle d’intelligence artificielle générative, et les comparer aux images injectées réelles (TC).

Quarante patients adultes consécutifs ayant bénéficié d’un PCCT injecté avec couverture thoracique complète ont été inclus rétrospectivement et répartis aléatoirement en une cohorte d’entraînement (n = 20) et une cohorte de test indépendante (n = 20). Un réseau de neurones convolutionnel de type U-Net a été entraîné de manière supervisée, coupe par coupe, afin de générer des images VCE à partir d’images sans injection virtuelles (VNC), en utilisant les images injectées réelles (TC) comme référence. La similarité entre les images VCE et TC a été évaluée à l’aide de l’indice de similarité structurelle (SSIM), de l’erreur absolue moyenne (MAE), de l’erreur quadratique moyenne (MSE) et du rapport signal/bruit de crête (PSNR). Une évaluation qualitative a été réalisée indépendamment par deux radiologues à l’aide d’une échelle de Likert à 5 points, portant sur des structures thoraciques et abdominales, avec analyse de la concordance exacte, à ±1 point et de la concordance diagnostique.

L’analyse quantitative a montré une forte similarité entre les images VCE et TC, avec des valeurs très élevées de SSIM et de PSNR, ainsi qu’une faible MAE, tandis que la MSE présentait une distribution asymétrique à droite. Sur le plan qualitatif, les images VCE étaient systématiquement sous-cotées par rapport aux images TC. Néanmoins, les structures vasculaires thoraciques, les cavités cardiaques et les ganglions médiastinaux obtenaient fréquemment des scores diagnostiques (Likert >3) avec une forte concordance diagnostique. En revanche, les organes pleins et les vaisseaux abdominaux étaient souvent jugés non diagnostiques, principalement en raison d’un rehaussement hétérogène et d'artefacts liés au contraste artificiel.

La synthèse d’images de contraste virtuel à partir de données PCCT est faisable et montre une excellente similarité quantitative avec les images injectées réelles. Les résultats sont prometteurs pour les applications thoraciques, mais la fiabilité demeure limitée pour l’évaluation abdominale à ce stade.

Des images de contraste virtuel peuvent être générées à partir de données de tomodensitométrie à comptage photonique avec une applicabilité clinique pour l'imagerie thoracique. Des améliorations restent à faire pour la partie abdominale.