Apport de l'intelligence artificielle pour la translation et la quantification des IRM pulmonaires dans le suivi des patients mucoviscidosiques

Porteur du projet : Gaël DOURNES

Contexte :
L’imagerie thoracique a une place reconnue et de plus en plus pratiquée dans le bilan et le suivi des patients atteints de mucoviscidose, en particulier la tomodensitométrie. En comparaison à la radiographie standard, la tomodensitométrie permet une analyse sensible de la présence et la répartition régionale des éléments clés de l’atteinte structurale des patients, que sont les impactions mucoïdes, les dilatations de bronche ou les épaississements pariétaux
Bien que la réduction de dose des imageries tomodensitométriques ait connu des avancées, la possibilité d’une imagerie à haute résolution sans aucun rayonnement reste entière. En effet, les traitements efficaces ont considérablement allongé la survie des patients, avec nécessité d’un suivi régulier sur une période prolongée. Le projet devrait ainsi permettre une translation des IRM vers des TDM synthétiques, dont la lecture visuelle est accessible à tout médecin formé à la TDM conventionnelle. Une quantification automatisée sera permise, avec des méthodes juqu'ici réservées à la TDM. Une combinaison des données morphologiques à haute résolution aux données fonctionelles IRM sera disponible.

Objectifs :
L'objectif principal est de réaliser une quantification automatisée par IA du volume total des anomalies structurales sur des TDM synthétiques non irradiantes similaire à celle d'une TDM

Les hypothèses secondaires sont :

• L'IA permet un biomarqueur automatisé de la sévérité de l’atteinte des patients mucoviscidosiques, en lien avec des méthodes reconnues telles que les tests du souffle ou des scores visuels conventionnels
• L'IA permet une analyse visuelle dont les performances de détection et d'estimation de la sévérité des atteintes est proche de celle de la TDM
• L'IA permet un suivi automatisé longitudinal de la progression ou de la réversibilité des atteintes, avec ou sans traitement efficace
• L'IA est généralisable dans un contexte multicentrique
• Une analyse multiparamétrique associant un score IRM automatisé aux données inflammatoires et fonctionnelle de l’IRM permet de caractériser des profils de patients répondeurs ou non répondeurs à des traitements efficaces

Perspectives :

• L'IA permet de générer des TDM synthétiques dont l'aspect visuel est proche des TDM native, à partir d'IRM non irradiantes
• L'IA permet de transposer des méthodes de quantification automatisée des altérations structurales jusqu'ici réservées à la TDM.
• L'IA permet de combiner les d.onnées morphologiques des TDM synthétiques à haute résolution aux données fonctionnelles spécifiques de l'IRM
• Une prise en charge non irradiante, d'analyse visuelle accessible aux médecins non experts de l'IRM est attendue pour la prise en charge au long cours par imagerie de la mucoviscidose.