Rôle de la pulsatilité intracranienne dans le vieillissement cérébral pathologique

The role of intracranial pulsatility in pathological brain ageing

• Auteur / Autrice : Alessia Nuti
• Direction : Stéphane Avril
• Type : Projet de thèse
• Discipline(s) : Mécanique et ingénierie
• Date : Inscription en doctorat le 01/10/2024
• Etablissement(s) : Saint-Etienne, EMSE
• Ecole(s) doctorale(s) : École doctorale Sciences Ingénierie Santé (Saint-Etienne)

Mots clés

Mots clés libres

Biomécanique

Cerveau

Modélisation multi-échelle

Transport de soluté

Neurofluides

Biomechanics

Brain

Multi-scale modelling

Transport of solutes

Neurofluids

Résumé

La démence affecte 50 millions de personnes dans le monde. Elle apparaît aux stades avancés des maladies neurodégénératives et entraîne une perte d'autonomie, impactant directement les patients, les aidants et la société. Cette thèse propose une approche centrée sur la biomécanique de la pulsatilité intracrânienne pour améliorer notre compréhension et le diagnostic précoce de ces maladies. À chaque cycle cardiaque, les contractions du cœur augmentent la pression sanguine, provoquant la dilatation des vaisseaux intracrâniens. Ces changements cycliques induisent un stress mécanique dans les tissus cérébraux et influencent le flux de liquide cérébrospinal. Des preuves accumulées au cours de la dernière décennie montrent le rôle crucial de ces pulsations intracrâniennes pour la santé cérébrale. Cependant, aucun outil existant ne permet d'extraire des métriques clés associées aux pathologies cérébrales à partir des mesures cliniques de la pulsatilité intracrânienne. Nous visons à combler cette lacune en développant des techniques avancées pour l'interprétation biomécanique des données de pulsatilité cérébrale en utilisant des modèles numériques basés sur les lois physiques. Nous développerons un outil de simulation intégrant des modèles 0D de la dynamique du liquide cérébrospinal et du sang et un modèle sphérique 1D des tissus cérébraux. Cet outil sera validé par des simulations 3D complexes, des mesures cliniques de la pression intracrânienne et des données IRM de la déformation des tissus cérébraux. De plus, nous utiliserons des outils de machine learning pour effectuer une analyse de sensibilité détaillée et simplifier le modèle. L’outil numérique développé sera ensuite utilisé pour caractériser les propriétés biomécaniques de la pulsatilité intracrânienne dans une cohorte de patients âgés ayant des neuropathologies variées. Nous chercherons à identifier les liens entre ces propriétés biomécaniques et des marqueurs de neuropathologies chez ces patients. Cela permettra d'établir des corrélations entre les altérations biomécaniques du cerveau et la progression des maladies neurodégénératives. Nous espérons démontrer la pertinence de l'intégration des métriques biomécaniques cérébrales dans la pratique clinique pour détecter les patients à risque de démence. Notre vision à long terme est de développer un outil diagnostique open-source pour la démence, centré sur les métriques de pulsatilité intracrânienne. L'outil développé aura également le potentiel d'informer des interventions préventives personnalisées, allant des ajustements de style de vie à la régulation pharmacologique de la pulsatilité intracrânienne.

Dementia affects 50 million people worldwide. It appears in the advanced stages of neurodegenerative diseases and leads to a loss of autonomy, with a direct impact on patients, carers and society. This thesis proposes an approach focusing on the biomechanics of intracranial pulsatility to improve our understanding and early diagnosis of these diseases. With each cardiac cycle, the contractions of the heart increase blood pressure, causing the intracranial vessels to dilate. These cyclical changes induce mechanical stress in brain tissue and influence the flow of cerebrospinal fluid. Evidence accumulated over the last decade points to the crucial role of these intracranial pulsations for brain health. However, there are no existing tools for extracting key metrics associated with brain pathologies from clinical measurements of intracranial pulsatility. We aim to fill this gap by developing advanced techniques for the biomechanical interpretation of cerebral pulsatility data using numerical models based on physical laws. We will develop a simulation tool integrating 0D models of cerebrospinal fluid and blood dynamics and a 1D spherical model of brain tissue. This tool will be validated by complex 3D simulations, clinical measurements of intracranial pressure and MRI data of brain tissue deformation. In addition, we will use machine learning tools to perform a detailed sensitivity analysis and simplify the model. The numerical tool developed will then be used to characterize the biomechanical properties of intracranial pulsatility in a cohort of elderly patients with various neuropathologies. We will seek to identify links between these biomechanical properties and markers of neuropathology in these patients. This will make it possible to establish correlations between biomechanical alterations in the brain and the progression of neurodegenerative diseases. We hope to demonstrate the relevance of integrating cerebral biomechanical metrics into clinical practice to detect patients at risk of dementia. Our long-term vision is to develop an open-source diagnostic tool for dementia, focusing on intracranial pulsatility metrics. The tool developed will also have the potential to provide information for personalised preventive interventions, ranging from lifestyle adjustments to pharmacological regulation of intracranial pulsatility.