La sclérose en plaques est une maladie neurologique fréquente, touchant l’adulte jeune et source potentielle de handicap. Au moment du diagnostic d’une sclérose en plaques, il n’est aujourd’hui pas possible d’évaluer précisément le risque de progression silencieuse du handicap survenant en dehors de toute poussée inflammatoire. Pourtant disposer de cette information permettrait d’adapter au plus tôt la stratégie thérapeutique.
L’objectif principal de cette thèse est d’évaluer comment l’imagerie du cerveau et de la moelle épinière ajoutée aux informations cliniques et démographiques, permet de prédire dès le début de la maladie une progression indépendante des poussées chez les patients vivant avec une sclérose en plaques rémittente débutante.
Pour y parvenir nous utiliserons des méthodes basées sur l’intelligence artificielle à partir des IRM réalisées dans le soin courant. Deux approches seront combinées :
– Une approche dite “ciblée” à l’aide d’outils déjà développés dans notre laboratoire, permettant d’extraire des IRM des informations définies a priori tel que le volume de structures du cerveau et de la moelle épinière ou la localisation des lésions par exemple.
Cependant, ce type d’analyse a pour limite de ne pas prendre en compte certaines informations plus globales contenues dans les images telles que la répartition des lésions ou des altérations diffuses des tissus qui constituent le cerveau et la moelle épinière.
– C’est pourquoi pour y remédier, dans une seconde approche dite « globale », on utilisera de nouvelles méthodes d’intelligence artificielle prometteuses permettant d’analyser les imageries entières.
Ces informations seront étudiées au début de la maladie :
• Lors du diagnostic avec la première IRM du cerveau et de la moelle épinière.
• Lors de la consultation avec l’IRM de suivi à 1 an quand elle est disponible.
Ce projet vise à fournir des éléments scientifiques solides pour, à terme, intégrer les IRM du cerveau et de la moelle épinière dans des outils d’aide au choix du traitement, permettant d’adapter au plus tôt les traitements pour les patients les plus à risque.
