IA caractérisation de MR SWI-DWI mismatch de l'ischemie pour les patients d'AVC ischémique hyperaigu

AI characterization of the MR SWI-DWI ischemic mismatch for hyperacute ischemic stroke patients

• Auteur / Autrice : Mariana Gonçalves brejo
• Direction : Hichem Maaref
• Type : Projet de thèse
• Discipline(s) : Informatique mathématique
• Date : Inscription en doctorat le 23/01/2023
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : IBISC - Informatique, BioInformatique, Systèmes Complexes
• Partenaire(s) de recherche : Equipe de recherche : SIAM : Signal, Image, AutoMatique
• Partenaire(s) de recherche : référent : Université d'Évry Val d'Essonne

Mots clés

Mots clés libres

Apprentissage

Deep Tech

Neuro-imagerie

Médecine de Précision

Avc

Mismatch de l'ischemie

Machine Learning

Deep Tech

Neuroimaging

Precision Medicine

Stroke

Ischemic Mismatch

Résumé

Selon l'Organisation mondiale de la santé, l'AVC est la deuxième cause de décès, la première chez les femmes et la première cause d'incapacité fonctionnelle chronique chez l'adulte, avec 17 millions de victimes, dont 31% ont moins de 65 ans. En France, chaque année environ 150 000 personnes sont hospitalisées pour un AVC, soit une toutes les 4 minutes. Elle représente une charge financière pour l'Etat de l'ordre de 2,8 milliards €/an, en réalité, 10 milliards sur 5 ans du fait du coût des handicaps. L'AVC ischémique est causé par un caillot sanguin (thrombus) qui bloque une artère cérébrale, provoquant un manque d'oxygène dans les tissus cérébraux alimentés par cette artère. Il est urgent de diagnostiquer et de déterminer si un traitement avec des médicaments thrombolytiques (anticoagulants) peut "inverser" l'AVC. Le temps de réponse est limité et ne doit pas dépasser 3.5 heures après le début des symptômes. Confronté à la prise en charge d'un AVC, le médecin pose alors 3 questions auxquelles l'imagerie apporte des réponses particulièrement pertinentes : Est-ce vraiment un AVC ? L'AVC est-il de nature ischémique ou hémorragique ? Si une thrombolyse est envisagée, existe-t-il des contre-indications radiologiques à ce traitement ? Il existe un consensus sur le fait que l'imagerie par résonance magnétique (IRM) est l'étalon-or pour éliminer les diagnostics non vasculaires en raison de sa sensibilité et de sa spécificité dans l'ischémie aiguë. La neuro-imagerie joue un rôle déterminant dans la mise en évidence d'une ischémie aiguë avec le concept de pénombre ischémique. Il a été démontré que la croissance, la durée et le volume de l'infarctus de l'AVC ischémique influencent directement la quantité de perte tissulaire irréversible. Il est nécessaire d'avoir un protocole quantitatif d'évaluation de la pénombre avec le temps d'imagerie minimum possible qui fournit le maximum d'informations. Aujourd'hui, elle est réalisée en tomodensitométrie de perfusion, avec le risque d'exposition aux rayonnements ainsi que l'utilisation de produit de contraste iodé qui peut affecter les insuffisants rénaux. La solution est potentiellement un protocole d'AVC rapide non invasif basé sur la RM, tel que l'écho de gradient T2* ou l'imagerie pondérée en fonction de la sensibilité (SWI) pour mesurer quantitativement la pénombre. La solution que nous voulons mettre en œuvre est basée sur la segmentation automatique des zones et des tissus ischémiques à risque, et l'évaluation de la pénombre à partir du rapport d'inadéquation de l'imagerie perfusion (PWI) et de l'imagerie diffusion (DWI). Des études récentes ont proposé une évaluation quantitative précise de la pénombre à l'aide de SWI-DWI et sa validation avec une quantification basée sur PWI-DWI. Ces évaluations dépendent fortement de l'expertise des utilisateurs. Les objectifs de la présente étude étaient de développer un cadre de traitement d'image automatisé pour la quantification du volume de pénombre à l'aide de SWI et DWI. L'application d'algorithmes d'IA à l'analyse d'images IRM permet de travailler sur de grandes quantités de données de manière plus pertinente que les méthodes statistiques classiques. Les objectifs sont (1) de valider les résultats sur une grande base de données de patients (2) d'intégrer le modèle dans un logiciel d'application clinique avec une interface conviviale. L'étude actuelle comprend également l'étude du volume de la pénombre comme outil de pronostic en cas de revascularisation.

According to the World Health Organization, stroke is the second cause of death, the first for women, and the leading cause of chronic functional disability in adults, with 17 million victims, 31% of whom were under 65. In France, around 150,000 people are hospitalized yearly for a stroke, one every 4 minutes. It represents a financial burden of around 2.8 billion €/year, in reality, 10 billion over five years due to the cost of handicaps. Ischemic stroke is caused by a blood clot (thrombus) that blocks a brain artery, causing a lack of oxygen to brain tissue supplied by that artery. There is an urgent need to diagnose and determine if treatment with thrombolytic drugs (anti-coagulants) can "reverse" the stroke. The response time is limited and should not exceed 3.5 hours after the onset of symptoms. Confronted with managing a stroke, the doctor then asks three questions to which the imagery provides particularly relevant answers: Is it a stroke? Is the stroke ischemic or hemorrhagic? If thrombolysis is considered, are there any radiological contraindications to this treatment? Consensus exists that magnetic resonance imaging (MRI) is the gold standard for eliminating non-vascular diagnoses because of its sensitivity and specificity in acute ischemia. Neuroimaging plays a decisive role in demonstrating acute ischemia with the concept of ischemic penumbra. It has been shown that ischemic stroke's growth, duration, and infarct volume directly influence the amount of irreversible tissue loss. There is a need for a quantitative penumbra-assessment stroke protocol with the minimum possible imaging time that delivers the maximum possible information. In many hospitals today, CT perfusion is the protocol, with the added risk of exposure to radiation and using an iodinated contrast medium, which may affect renal-impaired patients. The solution is potentially an MR-based fast and non-invasive stroke protocol such as T2* gradient-echo or susceptibility-weighted imaging (SWI) to measure the penumbra quantitatively. The goal is to implement an automatic segmentation model of the ischemic area and tissues at risk and the evaluation of the penumbra based on the mismatch ratio given by perfusion-weighted imaging (PWI) and diffusion-weighted imaging (DWI). Recent studies have proposed an accurate quantitative assessment of penumbra using SWI-DWI and its validation with PWI-DWI-based quantification. These assessments depend heavily on user expertise. The objectives of the current study were to develop an automated image-processing framework for quantifying penumbra volume using SWI and DWI. Applying AI algorithms to the analysis of MR images makes it possible to work on large amounts of data in a more relevant way than conventional statistical methods. The objectives are (1) to validate the results on an extensive patient database and (2) to integrate the model into clinical application software with a user-friendly interface. The current study also includes the study of the penumbra volume as a prognosis tool in the case of revascularization.