Analyse par intelligence artificielle d'images de tomodensitométrie de patients traumatisés crâniens afin de prédire leur évolution neurologique

Le vendredi 25 novembre 2022, Clément BROSSARD soutiendra sa thèse intitulée "Analyse par intelligence artificielle d'images de tomodensitométrie de patients traumatisés crâniens afin de prédire leur évolution neurologique".
 

Cette thèse a été dirigée par Benjamin LEMASSON et Pierre BOUZAT de l'équipe "Neuroimagerie fonctionnelle et perfusion cérébrale" du GIN.

Composition du jury :

• Habib BENALI, Professeur, Concordia University Montréal - Rapporteur
• Carole FRINDEL, Chargée de Recherche, CREATIS, INSA Lyon - Rapporteure
• Michel DESVIGNES, Professeur, GIPSA-lab, Université Grenoble Alpes - Examinateur
• Lionel VELLY, PU-PH, Hôpitaux Universitaires de Marseille Timone - Examinateur
• Maria A.ZULUAGA, Maître de Conférence, EURECOM Sophia Antipolis - Examinatrice
• Pierre BOUZAT, PU-PH, Centre Hospitalier Universitaire Grenoble Alpes - Co-directeur de thèse
• Benjamin LEMASSON, Chargé de Recherche, Institut des Neurosciences de Grenoble - Co-directeur de thèse
• Jules GREZE, PH, CHUGA - Co-encadrant de thèse

Résumé :

Le traumatisme crânien (TC) est une pathologie fréquente et grave, responsable d'une morbi-mortalité importante. Il est estimé que la moitié de la population mondiale va être victime d'un TC au moins une fois dans sa vie. Le TC peut être considéré comme un ensemble complexe d'entités nosologiques d'évolutions différentes qui conditionnent la prise en charge des patients. Le diagnostic de sévérité et l'évaluation pronostique des TC repose aujourd’hui sur le score de Glasgow initial, introduit en 1974, séparant les patients en TC grave, modéré ou léger, et sur le suivi qualitatif des lésions par imagerie tomodensitométrique (TDM). Ce suivi semi quantitatif ne permet pas de distinguer initialement les différents profils d’évolutions lésionnelles, et la prise en charge repose donc sur les symptômes induits par les lésions (hypertension intra-crânienne, hydrocéphalie, …). L’objectif principal de cette thèse de sciences est d’exploiter quantitativement les informations contenues dans les examens TDM précoces des patients victimes de TC grave afin de prédire le niveau d’intensité thérapeutique nécessitée par ces patients au cours des 7 jours suivant l’agression initiale. Cette étude a permis, entre autres, d’améliorer un algorithme de segmentation automatique des lésions typiques du TC grâce à une approche d’apprentissage par transfert, de développer un outil de quantification du profil lésionnel d’un patient à partir de son image TDM à l’admission au CHU (J0) et de prédire le niveau d’intensité thérapeutique de sa prise en charge durant sa première semaine en réanimation. De plus, nous avons étudié l’évolution scanographique des patients en exploitant les images TDM répétées lors des premiers jours en réanimation (J0, J1 et J3). Finalement, une attention particulière a été portée à la mise à disposition de ces outils au personnel médical afin de faciliter leur utilisation en routine clinique. Les résultats sont prometteurs et laissent penser que l’analyse automatique des images TDM par intelligence artificielle fera partie intégrante de la prise en charge des TC dans un futur proche.