Les journées AFIB

Modélisation mathématique de l’imagerie médicale : apport pour le diagnostic prédictif en cancérologie

De nos jours, l’outil phare pour explorer le cerveau est la résonance magnétique (multi)nucléaire. Celle-ci permet d’extraire un nombre important de paramètres pouvant être rangés dans trois grandes familles d’imagerie : anatomique, métabolique et fonctionnelle. Les mathématiques aident à surmonter deux grands problèmes dans ce domaine. Elles peuvent analyser un nombre croissant d’informations et ainsi pallier au peu de spécificité et au manque de résolution temporelle des paramètres. L’étape suivante est de créer une modélisation biostatistique et réaliste (au sens mathématique du terme). Elle fonctionnera sur des logiciels informatiques et débouchera sur de l’Intelligence Artificielle. L’objectif final de l’utilisation de la modélisation mathématique est d’aboutir à un diagnostic prédictif de la réponse au traitement.

Modélisation mathématique pour le diagnostic prédictif des tumeurs gliales

Modélisation mathématique pour le diagnostic prédictif des tumeurs gliales

Dans le cas du gliome de bas grade, dont le comportement peut être très différent d’un individu à un autre, la résonance magnétique permet d’établir plusieurs approches. L’approche morphologique va
produire un graphe de suivi de la croissance du gliome, mais ce travail est long et rébarbatif. L’approche volumétrique permet d’extraire le diamètre équivalent de la tumeur, paramètre prédictif de la survie sans progression. Cependant, cette analyse requiert du temps (plusieurs mois). De plus, elle ne permet pas de se rendre compte rapidement de l’efficacité du traitement.

C’est à ce moment que l’imagerie multiparamétrique rentre en jeu. Elle permet en effet de baliser le cheminement du gliome. De plus, elle intègre un grand nombre de paramètres à des échelles différentes et des cinétiques variables. Pour les tumeurs gliales, cette technique permet d’observer l’augmentation des transporteurs de lactate dans les cellules et de prédire le moment où la tumeur entre en anaplasie afin d’adapter le traitement. Cette modélisation est validée sur les tumeurs du cerveau mais peut également être applicable à d’autres parties du corps humain. Il s’agit d’une nouvelle approche conceptuelle où l’organe est un objet mathématique multiparamétrique dynamique. La modélisation mathématique ouvre ainsi la voie à la biopsie virtuelle et au diagnostic prédictif !

Le domaine de la médecine prédictive est en pleine expansion. En effet, de nombreuses startups progressent sur le marché. L’analyse de données et l’Intelligence Artificielle sont les outils de demain.

  • Pr. Rémy GUILLEVIN Radiologue et PUPH, Responsable de l’équipe de recherche DACTIM-MIS du LMA/ CNRS 7348, CHU & Université de Poitiers

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *