Utilité des données radiomiques et non-radiomiques du caillot sur l'IRM pour prédire la reperfusion des AVC ischémiques traités par thrombectomie mécanique.

Utility of thrombus radiomics and non-radiomics characteristics for the prediction of reperfusion after endovascular thrombectomy

• Auteur / Autrice : Fouzi Bala
• Direction : Jean-Philippe Cottier
• Type : Projet de thèse
• Discipline(s) : Sciences de la Vie et de la Santé
• Date : Inscription en doctorat le 01/11/2022
• Etablissement(s) : Tours
• Ecole(s) doctorale(s) : Santé, Sciences Biologiques et Chimie du Vivant - SSBCV
• Partenaire(s) de recherche : Laboratoire : Imaging, Brain & Neuropsychiatry

Mots clés

Mots clés libres

Ischémie

Thrombectomie

Radiomique

Thrombus

Ischemia

Thrombectomy

Radiomics

Thrombus

Résumé

Le traitement de L'accident vasculaire cérébral ischémique aigu de la circulation antérieure par occlusion artérielle proximale repose sur le traitement combiné par la thrombolyse intraveineuse(TIV)et la thrombectomie mécanique(TM), avec pour but la recanalisation artérielle et la reperfusion du tissu cérébral. Plusieurs caractéristiques du caillot en imagerie(CT et IRM)associés à la recanalisation ont été rapporté dans la littérature (1), par exemple, la longueur, la perméabilité et le susceptibility vesel sign (2),pour les patients traités par la TIV ou par voie endovasculaire (3). Ces caractéristiques ont été évaluées essentiellement chez les patients traités par TIV mais leur pouvoir de prédiction reste limité, notamment parce que les données existantes sont insuffisantes ou divergentes. La radiomique ou l'extraction automatique et l'analyse quantitative d'un très grand nombre de paramètres à partir d'images médicales peut apporter des informations précieuses pour prédire la recanalisation et la reperfusion tissulaire (4. Notre hypothèse est que la radiomique est capable de mesurer des caractéristiques du thrombus associées à la recanalisation,invisibles à l'œil, avec une meilleure performance que les caractéristiques du caillot déjà connues.Des modèles statistiques peuvent être construits à l'aide du deep learning pour évaluer la probabilité de reperfusion, ce qui pourrait aider à planifier le geste de TM et ainsi améliorer la prise en charge (5). Objectifs du projet: A. Evaluer les caractéristiques radiomiques et non-radiomiques du caillot sur l'IRM associées à la reperfusion des patients victimes d'AVC ischémique de la circulation antérieure traités par TM. (2) Développer un modèle de prédiction de recanalisation et de reperfusion à partir de données radiomiques du caillot. Références: 1. Al-Ajlan FS, Qazi E, Kim CK, et al. Multimodality CT based imaging to determine clot characteristics and recanalization with intravenous tPA in patients with acute ischemic stroke. Neurovascular Imaging 2017;3:2 2.DutraBG, Tolhuisen ML, Alves HCBR, Treurniet KM, Kappelhof M, Yoo AJ,et al..Thrombus imaging characteristics and outcomes in acute ischemic stroke patients undergoing endovascular treatment. Stroke.2019; 50:2057–2064 3. Darcourt J, Withayasuk P, VukasinovicI, Michelozzi C, Bellanger G, Guenego A,et al..Predictive value of susceptibility vessel sign for arterial recanalization and clinical improvement in ischemic stroke.Stroke.2019; 50:512–515 4. Kamal H, Lopez V, Sheth SA. Machine learning in acute ischemic stroke neuroimaging. Front Neurol 2018;9:945. 5. Tang, T., Jiao, Y., Cui, Y.et al.Penumbra-based radiomics signature as prognostic biomarkers for thrombolysis of acute ischemic stroke patients: a multicenter cohort study.J Neurol(2020).

Acute stroke is a frequent and severe medical condition that bears serious human and economic burden. Acute ischemic stroke treatments aim to re-open the occluded vessel. They are mainly represented by intravenous thrombolysis and mechanical thrombectomy in the event of a large vessel occlusion. Combined treatments, in properly selected patients, can result in a full neurological recovery; however, in a poorly selected patient, their impact on outcome can be null, or even adverse. Identification of imaging biomarkers that predict endovascular treatment (EVT) outcomes would be highly relevant to acute stroke management. Recent studies have reported thrombus imaging characteristics that may be useful for predicting reperfusion and functional outcome after IVT and EVT. These main features are thrombus permeability, clot burden, length and location. However, the ability of these factors to precisely predict reperfusion and functional outcome is still limited. Radiomics is an emerging field of extracting additional information from medical images using advanced automatic algorithms and according. We hypothesized that radiomics-based features of intracranial thrombus on magnetic resonance imaging (MRI) are capable of measuring distinct characteristics of thrombus associated with recanalization with EVT better than known thrombus characteristics. The aim of my research is to predict recanalization after EVT based on these radiomics features.