Appréciation de la fonction pulmonaire régionale à partir des mouvements de surface du torse pour la personnalisation des protocoles de ventilation chez les patients en insuffisance respiratoire aiguë

Assessment of regional lung function from torso surface movements for tailoring ventilation protocols in patients with acute respiratory failure.

• Auteur / Autrice : Vicente Estopier castillo
• Direction : Jean-Sébastien Franco, Sam Bayat
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/10/2023
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Centre de recherche Inria de l'Université Grenoble Alpes

Mots clés

Mots clés libres

Syndrome de détresse respiratoire aiguë (SDRA)

Protocol de ventilation

Imagerie de la surface de la paroi abdominale

Modèle à éléments finis basé sur tomodensitométrie

Acute Respiratory Distress Syndrome (ARDS)

Ventilation protocol

Abdominal wall surface imaging

CT-based finite element model

Résumé

Contexte: Les patients en soins intensifs souffrant d'insuffisance respiratoire aiguë nécessitent souvent une ventilation mécanique (VM), qui, bien qu'essentielle pour la survie, peut entraîner une lésion pulmonaire induite par le ventilateur (VILI). La VILI est principalement causée par une charge pulmonaire hétérogène pendant la VM, entraînant des lésions des tissus pulmonaires. Des avancées récentes ont permis de suivre la déformation locale du poumon à l'aide de l'enregistrement d'images de tomographie par ordinateur (CT) chez les patients atteints de COVID-19. Objectifs: L'objectif principal de ce projet est de modéliser la relation entre la déformation de la paroi thoracique et abdominale et la déformation pulmonaire régionale lors de la VM. Cela implique le développement d'un modèle à éléments finis basé sur la CT (FEM) piloté par des paramètres physiologiquement pertinents. Ce modèle sera ajusté à l'aide de données spécifiques au patient pour établir un lien entre la déformation de la surface thoracique et la fonction pulmonaire régionale. Approche: Le modèle FEM sera créé à partir des données de patients atteints du SDRA, et des propriétés physiologiques candidates seront extraites des enregistrements existants. Le modèle sera validé par rapport aux images de CT acquises à différents volumes. Une représentation structurée de la surface de la paroi thoracique sera créée pour les patients afin de dériver des modèles de respiration, de les comparer et d'analyser les groupes. Modèles d'Inférence: Dans la deuxième étape, des modèles d'inférence seront formés pour prédire les propriétés fonctionnelles du poumon à partir des observations de la surface thoracique. Diverses architectures seront étudiées, notamment les perceptrons multicouches, les réseaux basés sur des nuages de points et les réseaux graphiques. Des clusters de patients pourraient être intégrés à l'étape d'inférence. Résultats Attendus: Ce projet vise à améliorer la compréhension de la fonction pulmonaire régionale dans les maladies respiratoires et pourrait éventuellement conduire à des protocoles de ventilation adaptés. En cas de réussite, les techniques d'inférence pourraient offrir une surveillance non invasive de la fonction pulmonaire régionale chez les patients en soins intensifs, sans recourir à des rayonnements ionisants ni à des dispositifs de contact en surface. En résumé, le projet se concentre sur la modélisation de la complexe relation entre la déformation de la paroi thoracique et abdominale et la fonction pulmonaire régionale lors de la ventilation mécanique, ce qui pourrait améliorer la gestion de l'insuffisance respiratoire aiguë dans les environnements de soins intensifs.

Context: Patients in intensive care with acute respiratory failure often require mechanical ventilation (MV), which, while life-saving, can lead to ventilator-induced lung injury (VILI). VILI is primarily caused by heterogeneous lung loading during MV, resulting in lung tissue damage. Recent advancements have enabled tracking local lung deformation using CT image registration in COVID-19 patients. Objectives: The primary goal of this project is to model the relationship between chest and abdominal wall surface deformation and regional lung deformation during MV. This will involve developing a CT-based finite element model (FEM) driven by physiologically relevant parameters. This model will be adjusted using patient-specific data to link chest surface deformation with regional lung function. Approach: The FEM model will be created using data from ARDS patients, and candidate physiological properties will be extracted from existing registrations. The model will be validated against CT images acquired at different volumes. A structured representation of chest wall surface will be created for patients to derive breathing models, compare them, and analyze clusters. Inference Models: In the second stage, inference models will be trained to predict lung functional properties from chest surface observations. Various architectures will be studied, including multi-layer perceptrons, point-cloud-based networks, and graph networks. Patient clusters may be integrated into the inference step. Expected Outcomes: This project aims to enhance understanding of regional lung function in respiratory diseases and potentially lead to tailored ventilation protocols. If successful, the inference techniques could offer non-invasive monitoring of regional lung function in ICU patients without ionizing radiation or surface contact devices. In summary, the project focuses on modeling the complex relationship between chest and abdominal wall surface deformation and regional lung function during mechanical ventilation, potentially improving the management of acute respiratory failure in intensive care settings.