Modèle prédictif d’Evolution des Accidents Vasculaires Cérébraux
en IRMen IRM
PHILIPS F. Schneider, S. Burnol, P. Garnier, P. Mismetti, D. Chéchin, FG. Barral
Déficit neurologique d’origine vasculaire.AVC ischémique : occlusion d’une artère cérébrale.
1ère cause de handicap à long terme (50% à 75% de séquelles).
CONTEXTE L’Accident Vasculaire Cérébral
1ère cause de handicap à long terme (50% à 75% de séquelles).2ème cause de démence, 3ème cause de mortalité.150 000 AVC par an en France (incidence : 238 / 100 000).
15% de récidive en moyenne à deux ans.Un AVC toutes les 2 min aux États-Unis.
CONTEXTEL’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, 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.
CONTEXTE Les mécanismes de l’AVC
Darnigl 2001La pénombre est une zone potentiellement La pénombre est une zone potentiellement récupérablerécupérable
CONTEXTE : Imagerie de l’AVC
TDM 1h après le début des symptômes et IRM 1h30.TDM 1h après le début des symptômes et IRM 1h30.
CONTEXTEApproximation 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
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.
CONTEXTE : Modèle d’EVolution des AVC
Diffusion ADC VSCTTP Modèle
Séquences IRM acquises en urgence
Lésion finale
But
Objectif : Prédire les zones qui vont se nécroser à partir d’informations obtenues dans les premières heures de l’atteinte
L’échelle de couleurs (modèle) correspond à une probabilité d’évolution vers la nécrose (exemple rouge >90%, jaune >60%, bleu >25% et vert <25%).
INTERET
Pronosticsévère
Thrombolyse ?
• Prise de décision thérapeutiqueStade aigu Stade chronique
Bénéfices
Risques
• Efficacité d’un traitement
Prédiction -Modèle
Résultat –T2 à 3 mois
Prédiction -Modèle
Diminution de la lésion
Efficacité
INTRODUCTION 2 types d’approche
Diffusion ADC VSCTTP Modèle- ISODATA(1)
- ACP(2)
Séquences IRM acquises en urgenceProbabilitéde Nécrose
(1) Mitsias & al. 2004.(2) Pourabdollah-Nejad & al.2007.(3) Wu & al. 2001.
Régression Logistique(3)
Objectifs : - modèle automatique- exécution rapide
INTRODUCTION 2 types d’approche
Diffusion ADC VSCTTP Modèle- ISODATA(1)
- ACP(2)
Séquences IRM acquises en urgenceProbabilitéde Nécrose
(1) Mitsias & al. 2004.(2) Pourabdollah-Nejad & al.2007.(3) Wu & al. 2001.
Régression Logistique(3)
Objectifs : - modèle automatique- exécution rapide
Examens d’IRM réalisés en urgence
(Diffusion / Perfusion)
Début des symptômes
+ Informations cliniques (délai, âge, occlusion artérielle)
< 12 heures(Délai limite d’inclusion)
Diffusion Perfusion
METHODOLOGIE : Déroulement
Examen d’IRM de contrôle
3 mois
Lésion finale (délimitations)
Traitement des images Recalage des images (diffusion → perfusion)Extraction du cerveau
T2
1
1+ exp(-=
METHODOLOGIE Régression logistique : principe
= α + ∑ βi Xi
)1+ exp(-
- Probabilité : 0 < P < 1
- Calcul voxel par voxel
- Paramètres (α, β) du MRL déterminés par calibration surune banque de données de patients
)
Séquences IRM acquises en urgence
METHODOLOGIE Régression logistique : calibration
T2 à 3 mois Délimitations Binarisation
0
1
(α, β) tel que
=α
β0
1
1
METHODOLOGIE Régression logistique : paramètres
Paramètres :
Imagerie :
Diffusion TTPADC VSC
Imagerie :
Variablescliniques : Age ? Délai ? Occlusion
Artérielle ?
+
RESULTATS : patients
Patient Age Délai SexeTerritoiresvasculaires
OcclusionTaille finale
de lalésion
1 46 7h30 HommeSylvien superficiel droit
postérieur + artère cérébralepostérieure droite
oui 43.48 cm3
2 54 2h Homme Sylvien total droit oui 73.62 cm3
3 46 11h Femme Sylvien profond droit Oui 23.53 cm33 46 11h Femme Sylvien profond droit Oui 23.53 cm3
4 48 6h Femme Sylvien profond droit Oui 81.40 cm3
5 41 9h Femme Sylvien superficiel gauche Non 26.37 cm3
6 42 2h Homme Sylvien profond gauche non 3.10 cm3
7 54 12h HommeArtère choroïdienne
antérieurenon 1.42 cm3
8 63 4h Homme Sylvien gauche non 1.17 cm3
9 60 4h30 Homme Sylvien profond droit oui 10.81 cm3
Moyenne(écart-
type)
50,54(7.75)
6h30(4h30)
6 Hommes /3 Femmes
5 occlusionsartérielles
29.43 cm3
(30.66)
Aucun patient n’a bénéficié de Thrombolyse
RESULTAT : Régression Logistique
Paramètres donnant les meilleurs performances
VSCADCDiffusion TTP VSCADCDiffusion TTP
Paramètres d’imagerie uniquement
Les données cliniques n’amélioraient pas la performance du modèle dans notre échantillon
RESULTAT Exemple de lésion de petite taille
3 mois
Prédiction à J0
● Bons résultats sur des lésions volumineuses ● Sur les très petites lésions (< 5 cm3)
→ artéfacts de susceptibilité magnétique (EPI)→ bons résultats visuels
RESULTATSComparaison avec la littérature
Notre étude
%
Se Sp Se Sp
66
8471
91
61
97
678179
99
Seuil > 32% Seuil > 50%
DISCUSSION
- Résultats globalement similaires- Amélioration pour les lésions de très faibles volumes (1 cm3)- Approche entièrement automatique
Comparaison avec des travaux précédents
Etude prospective Etude rétrospective
Examen de contrôle à date fixe (3 mois)
Examen de contrôle à date variable (> 5 jours)
Acquisition de diffusionà facteur b constant
Acquisition de diffusionavec plusieurs facteurs b
Notre étude Travaux précédents
PERSPECTIVES
- A priori spatial : atlas probabiliste des territoires vasculaires*
- Spectro-IRM - Spectro-IRM
- Segmentation Substance Blanche / Substance Grise
- Augmenter l’échantillon utiliser pour la calibration
* Seitz et al. 2009
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 → Recalage des séquences → Calcul de la cartographie de probabilité de nécrose→ Enregistrement des données
● Seuillages ● Visualisation● Sauvegarde
CONCLUSION
• Modèle de régression logistique : estimer l’évolution tissulaire dans chaque voxel
• Facilité d’interprétation avec une unique valeur de risquerisque
• 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
Top Related