Une nouvelle étude menée à l’Université du Texas à Arlington pourrait aider à réduire considérablement la quantité de radiations que les patients cardiaques reçoivent au cours des procédures d’imagerie sans sacrifier la précision du diagnostic.
L’étude, dirigée par Mingwu Jin, professeur de physique, se concentrera sur l’angiographie par tomodensitométrie (CTA), un test d’imagerie avancé qui évalue de manière non invasive la maladie coronarienne, la principale cause de décès dans le monde. Le CTA combine un scanner avec un colorant de contraste iodé injecté dans la veine d’un patient pour créer des images 3D des vaisseaux sanguins et des tissus environnants dans tout le corps. Les médecins peuvent utiliser le CTA pour détecter des anévrismes, des vaisseaux sanguins rétrécis ou endommagés, des caillots sanguins, des tumeurs et d’autres affections.
Le projet est financé par une subvention de 579 745 $ sur trois ans du National Heart, Lung, and Blood Institute, qui fait partie des National Institutes of Health. Le projet s’intitule « Reconstruction basée sur l’apprentissage profond (DRAC) pour l’angiographie par tomodensitométrie cardiaque multiphasée ».
Le CTA coronarien multiphasé (MP-CCTA) capture des images à plusieurs points du rythme cardiaque, fournissant ainsi aux médecins plus d’informations et contribuant à réduire le flou provoqué par le mouvement du cœur. L’inconvénient est que la collecte d’images sur plusieurs phases expose les patients à davantage de rayonnements qu’une analyse en une seule phase. Les recherches du Dr Jin visent à réduire considérablement cette exposition aux rayonnements tout en préservant la qualité et la valeur diagnostique des images.
La réduction de la dose de rayonnement en imagerie médicale a été vigoureusement poursuivie en raison de la prévalence de l’imagerie et du risque potentiel de cancer lié aux rayonnements ionisants. Bien que des progrès notables aient été réalisés grâce au développement de méthodes avancées de reconstruction, le potentiel de réduction des doses est loin de sa limite. »
Mingwu Jin, professeur de physique, Université du Texas à Arlington
Les tomodensitogrammes utilisent des méthodes de reconstruction pour transformer les données brutes collectées lors d’un scan en images que les médecins peuvent interpréter. Une approche avancée est la reconstruction itérative basée sur un modèle (MBIR), un algorithme conçu pour générer des images transversales de haute qualité tout en utilisant potentiellement moins de rayonnement. Une autre solution est la reconstruction 4D, qui ajoute la dimension du temps à l’imagerie 3D standard. En imagerie cardiaque, cette technique peut capturer des vues claires des valvules cardiaques et des artères coronaires à mouvement rapide tout en réduisant les artefacts de mouvement.
Jin a déclaré que les récentes avancées en matière d’apprentissage profond offrent une opportunité sans précédent de réduire considérablement les doses de rayonnement en combinant le MBIR avec les informations tirées d’une vaste base de données d’images MP-CCTA de haute qualité. La méthode 4D DRAC qui en résulte reconstruirait les images d’un patient en utilisant non seulement les données de cette analyse individuelle, mais également les informations tirées d’une collection d’images beaucoup plus vaste.
Jin a déclaré que le projet pourrait réduire considérablement la dose de rayonnement nécessaire pour le MP-CCTA, améliorant potentiellement son utilisation dans la détection du rétrécissement des artères coronaires et la surveillance de la progression de la plaque à haut risque. Il a déclaré que les méthodes 4D DRAC pourraient également être appliquées à d’autres tomodensitogrammes dynamiques, qui utilisent une série d’images pour suivre les changements au fil du temps.
Pour tester l’hypothèse, Jin et son équipe vont :
- Créez une bibliothèque de patients synthétique à l’aide de modèles humains informatiques basés sur des données MP-CCTA collectées rétrospectivement auprès de patients réels.
- Développez des méthodes d’apprentissage profond 3D et 4D qui combinent la physique de l’imagerie CT avec les fonctionnalités tirées des données patient de haute qualité.
- Déterminez la dose de rayonnement la plus faible pouvant être utilisée sans compromettre la précision du diagnostic. L’équipe évaluera l’exactitude du diagnostic à l’aide d’un modèle informatique conçu pour imiter la façon dont un radiologue évalue une image, puis validera les résultats par le biais d’une étude à petite échelle impliquant des observateurs humains.
La clinique Mayo de Rochester, Minnesota, fournira les données des patients MP-CCTA pour l’étude.
« Ce prix reflète la grande qualité des recherches du Dr Jin et la force des idées qu’il propose », a déclaré Alex Weiss, professeur de physique et ancien directeur du département. « Je sais que beaucoup de travail est nécessaire pour préparer une proposition réussie de ce type. Il s’agit d’une réalisation importante pour le Dr Jin et d’un avantage majeur pour notre département. »
Les étudiants diplômés Noor Rasel et Darnisha Langlais travailleront avec Jin sur le projet. La subvention permettra également à Jin d’embaucher des étudiants de premier cycle pendant l’été, leur offrant ainsi des opportunités de recherche pour appliquer les techniques d’IA à l’imagerie médicale.
