Modèle prédictif d Evolution des Accidents Vasculaires Cérébraux

Dimension: px

Commencer à balayer dès la page:

Download "Modèle prédictif d Evolution des Accidents Vasculaires Cérébraux"

Bénédicte Normandin
il y a 7 ans
Total affichages :

1 Modèle prédictif d Evolution des Accidents Vasculaires Cérébraux en IRM PHILIPS F. Schneider, S. Burnol, P. Garnier, P. Mismetti, D. Chéchin, FG. Barral

2 CONTEXTE L Accident Vasculaire Cérébral Déficit neurologique d origine vasculaire. AVC ischémique : occlusion d une artère cérébrale. 1 ère cause de handicap à long terme (50% à 75% de séquelles). 2 ème cause de démence, 3 ème cause de mortalité AVC par an en France (incidence : 238 / ). 15% de récidive en moyenne à deux ans. Un AVC toutes les 2 min aux États-Unis.

3 CONTEXTE L Accident Vasculaire Cérébral Le diagnostic s établit sur la présentation clinique et le bilan paraclinique. Seule l imagerie permet d attester de la réalité de l AVC, de distinguer l ischémie de l hémorragie, de préciser la topographie et de rechercher les causes. Situation d urgence qui nécessite une prise en charge précoce.

4 CONTEXTE Les mécanismes de l AVC La pénombre est une zone potentiellement récupérable Darnigl 2001

5 CONTEXTE : Imagerie de l AVC TDM 1h après le début des symptômes et IRM 1h30.

6 CONTEXTE : Imagerie de l AVC

7 CONTEXTE Approximation de la pénombre IRM de diffusion : diminution du volume extracellulaire (centre ischémique) IRM de perfusion : déficit de perfusion mismatch : zone potentiellement récupérable (estimation de la pénombre). Région où les lésions peuvent s élargir

8 CONTEXTE Evaluation imparfaite de la pénombre Les anomalies de perfusion ne montrent pas seulement la pénombre (oligémie). Les lésions visibles en diffusion peuvent s étendre en dehors des régions hypo-perfusées. Les anomalies de diffusion peuvent être réversibles dans certains cas.

9 CONTEXTE : Modèle d EVolution des AVC Diffusion ADC TTP VSC Modèle Séquences IRM acquises en urgence But Objectif : Prédire les zones qui vont se nécroser à partir d informations obtenues dans les premières heures de l atteinte Lésion finale L échelle de couleurs (modèle) correspond à une probabilité d évolution vers la nécrose (exemple rouge >90%, jaune >60%, bleu >25% et vert <25%).

10 INTERET Prise de décision thérapeutique Stade aigu Pronostic sévère Thrombolyse? Stade chronique Bénéfices Risques Prédiction - Modèle Efficacité d un traitement Prédiction - Modèle Diminution de la lésion Efficacité Résultat T2 à 3 mois

11 INTRODUCTION 2 types d approche Diffusion ADC TTP VSC Modèle -ISODATA (1) -ACP (2) Séquences IRM acquises en urgence Objectifs : - modèle automatique - exécution rapide (1) Mitsias & al (2) Pourabdollah-Nejad & al (3) Wu & al Régression Logistique (3) Probabilité de Nécrose

12 INTRODUCTION 2 types d approche Diffusion ADC TTP VSC Modèle -ISODATA (1) -ACP (2) Séquences IRM acquises en urgence Objectifs : - modèle automatique - exécution rapide (1) Mitsias & al (2) Pourabdollah-Nejad & al (3) Wu & al Régression Logistique (3) Probabilité de Nécrose

13 METHODOLOGIE : Déroulement Début des symptômes Diffusion Perfusion < 12 heures (Délai limite d inclusion) Examens d IRM réalisés en urgence (Diffusion / Perfusion) + Informations cliniques (délai, âge, occlusion artérielle) Traitement des images Recalage des images (diffusion perfusion) Extraction du cerveau T2 3 mois Examen d IRM de contrôle Lésion finale (délimitations)

14 METHODOLOGIE Régression logistique : principe = 1 1+ exp(- = α + β i X i ) Séquences IRM acquises en urgence - Probabilité : 0 < P < 1 - Calcul voxel par voxel - Paramètres (α, β) du MRL déterminés par calibration sur une banque de données de patients

15 METHODOLOGIE Régression logistique : calibration T2 à 3 mois Délimitations Binarisation 0 1 (α, β) tel que α β = 0 1

16 METHODOLOGIE Régression logistique : paramètres Paramètres : Imagerie : Diffusion ADC TTP VSC + Variables cliniques : Age? Délai? Occlusion Artérielle?

17 RESULTATS : patients Patient Age Délai Sexe h30 Homme Territoires vasculaires Sylvien superficiel droit postérieur + artère cérébrale postérieure droite Occlusion Taille finale de la lésion oui cm h Homme Sylvien total droit oui cm h Femme Sylvien profond droit Oui cm h Femme Sylvien profond droit Oui cm h Femme Sylvien superficiel gauche Non cm h Homme Sylvien profond gauche non 3.10 cm h Homme Artère choroïdienne antérieure non 1.42 cm h Homme Sylvien gauche non 1.17 cm h30 Homme Sylvien profond droit oui cm 3 Moyenne (écarttype) 50,54 (7.75) 6h30 (4h30) 6 Hommes / 3 Femmes 5 occlusions artérielles cm 3 (30.66) Aucun patient n a bénéficié de Thrombolyse

18 RESULTAT : Régression Logistique Paramètres donnant les meilleurs performances Diffusion TTP ADC VSC Paramètres d imagerie uniquement Les données cliniques n amélioraient pas la performance du modèle dans notre échantillon

19 RESULTAT Exemple d AVC volumineux (75 cm 3 ) 3 mois Prédiction à J0 >50% de chances de nécrose

20 RESULTAT Exemple de lésion de petite taille 3 mois Prédiction à J0 Bons résultats sur des lésions volumineuses Sur les très petites lésions (< 5 cm 3 ) artéfacts de susceptibilité magnétique (EPI) bons résultats visuels

21 RESULTATS Comparaison avec la littérature Notre étude % Se Sp Se Sp Seuil > 32% Seuil > 50%

22 DISCUSSION Comparaison avec des travaux précédents - Résultats globalement similaires - Amélioration pour les lésions de très faibles volumes (1 cm 3 ) - Approche entièrement automatique Notre étude Etude prospective Examen de contrôle à date fixe (3 mois) Acquisition de diffusion à facteur b constant Travaux précédents Etude rétrospective Examen de contrôle à date variable (> 5 jours) Acquisition de diffusion avec plusieurs facteurs b

23 PERSPECTIVES - A priori spatial : atlas probabiliste des territoires vasculaires* - Spectro-IRM - Segmentation Substance Blanche / Substance Grise - Augmenter l échantillon utiliser pour la calibration * Seitz et al. 2009

24 INTERFACE GRAPHIQUE Automatisation complète du traitement (~ 6 min) : Conversion des images DICOM ou Par&Rec en Analyze/Nifti Calcul des cartographies de Perfusion Recalage des séquences Calcul de la cartographie de probabilité de nécrose Enregistrement des données Seuillages Visualisation Sauvegarde

26 CONCLUSION Modèle de régression logistique : estimer l évolution tissulaire dans chaque voxel Facilité d interprétation avec une unique valeur de risque Améliorer l estimation du pronostic tissulaire Faisabilité testée sur un faible nombre de patients Perspective d application : évaluer les effets de thérapeutique en comparant l issue prédite sans traitement avec le résultat après traitement

27 Collaborations : Service de Radiologie, Service de Neurologie et UNV, Philips Systèmes Médicaux, Groupe de Recherche sur la Thrombose (EA3065). PHILIPS

Documents pareils

Peut-on reconnaître une tumeur de bas-grade en imagerie conventionnelle? S. Foscolo, L. Taillandier, E. Schmitt, A.S. Rivierre, S. Bracard, CHU NANCY

Peut-on reconnaître une tumeur de bas-grade en imagerie conventionnelle? S. Foscolo, L. Taillandier, E. Schmitt, A.S. Rivierre, S. Bracard, CHU NANCY A quoi sert l imagerie conventionnelle dans le diagnostic