Permettre de nouvelles découvertes à partir d’anciennes imageries en réutilisant les archives d’IRM cliniques pour la recherche sur la sclérose en plaques

Les biomarqueurs d'imagerie par résonance magnétique (IRM) sont essentiels pour la recherche clinique et les essais sur la sclérose en plaques (SEP), mais leur quantification nécessite des protocoles multi-contraste, ce qui limite l'utilisation des archives hospitalières abondantes à contraste unique. Nous avons développé MindGlide, un modèle d'apprentissage profond capable d'extraire les volumes de régions cérébrales et de lésions de la matière blanche à partir de n'importe quel contraste IRM unique. Nous avons formé MindGlide sur 4247 clichés IRM cérébraux provenant de 2934 patients atteints de SEP, issus de 592 appareils d'imagerie, et nous l'avons validé externement en utilisant 14 952 clichés provenant de 1 001 patients dans deux essais cliniques (essai sur la SEP primaire progressive et essai sur la SEP secondaire progressive) ainsi qu'un ensemble de données sur la SEP en soins courants. Le modèle a surpassé deux modèles de pointe lorsqu'il a été testé contre des volumes de lésions étiquetés par des experts. Dans les essais cliniques, MindGlide a détecté les effets du traitement sur l'accumulation des lésions T2 et la perte de volume de la matière grise corticale et profonde. Dans les données issues des soins courants, le volume des lésions T2 a augmenté avec un traitement à efficacité modérée mais est resté stable avec un traitement à haute efficacité. MindGlide permet de manière unique une analyse quantitative des IRM archivées à contraste unique, débloquant ainsi des informations contenues dans des jeux de données hospitaliers jusqu'alors inexploités.