“Développement d'un outil d'assistance à la chirurgie éveillée des gliomes diffus de bas grade basé sur des méthodes d'apprentissage statistique”

Mots clés

statistiques, traitement d'images, classification, base de données cliniques

Détail de l'offre

L'objectif principal de ce sujet est de développer un outil d'assistance à la chirurgie éveillée basée sur des méthodes d'apprentissage statistique. Cet outil devra permettre de mieux identifier des troubles fins pendant la chirurgie, impossibles ou difficilement évaluables par l'humain, afin de mieux organiser le geste (détection d'éventuels « points de bascule » au-delà desquels le patient n'est plus performant) ou de le stopper (détection d'altérations en général minimes mais qui dans le contexte socio-professionnel du patient auront des conséquences délétères sur sa qualité de vie). Un objectif secondaire est la réalisation, basé sur les mêmes méthodes, d'un outil permettant de détecter les phases opératoires afin de réaliser des corrélations structures-fonctions adaptées (détection de la zone stimulée sur la vidéo et de l'anomalie comportementale avec enregistrement).


Les deux principales questions scientifiques que nous souhaitons traiter dans cette thèse sont :
• Comment détecter, analyser et enregistrer les réponses (motricité, parole) du patient à différentes stimulations au cours de la chirurgie, de façon automatique ?
• Les anomalies fines mises en évidence permettent-elles d'extraire des variables prédictives de l'état neurocognitif à court et long terme ?



S'agissant de la première question, la procédure actuelle de chirurgie éveillée n'est pas automatisée. La prise de notes des évènements liés à la stimulation est manuelle, donc imprécise, voire impossible pour certains paramètres fins, notamment de chronométrie L'interprétation de ces évènements pendant la chirurgie et lors du suivi post-opératoire est à la fois très importante et chronophage. Malgré des données vidéos disponibles, elle reste difficilement réalisable compte tenu de la longueur de la phase éveillée à analyser (2 à 3 heures)
Grâce à l'apport de l'intelligence artificielle, et en particulier du deep learning, nous proposons d'automatiser une partie de la procédure d'analyse des réponses à la stimulation, par le biais d'algorithmes de reconnaissance de mouvement et de reconnaissance vocale que nous transposerons aux conditions de la chirurgie éveillée. Cette approche nous permettra de mesurer de nouveaux paramètres jusqu'ici inexplorés, par exemple les variations de vitesse des mouvements au cours de l'intervention ou les temps de réponse...Elle permettra aussi d'identifier dans une vidéo off-line les moments-clés concernant une fonction ou une structure pour optimiser la procédure ultérieurement et d'établir des corrélations anatomo-fonctionnelles.

L'acquisition de ces données et leur identification précise devra permettre de répondre à la seconde question en corrélant ces données peropératoires au devenir cognitif à court et long termes des patients. Ce retour pourrait permettre finalement de définir en peropératoire des indicateurs de risque cognitif à long terme. Cette question n'ayant à notre connaissance pas encore était traitée, elle est exploratoire mais d'intérêt majeur pour la qualité de vie des patients à l'issue de l'intervention. L'idée que nous souhaitons développer ici est de relier à l'état postopératoire du patient ou au déroulé de la suite de l'intervention, certaines nouvelles variables, ainsi que certaines variables déjà proposées, comme la mesure du caractère infiltrant de la tumeur [2]. Ce lien sera étudié à travers un score cognitif postopératoire dans le but de définir un modèle personnalisé pour le patient.

Les travaux relatifs aux deux questions scientifiques énoncées devraient conduire à la mise au point d'un outil d'assistance au chirurgien lors des chirurgies éveillées et à une meilleure connaissance du fonctionnement cérébral.