Université de Lille Étude de la performance d’un outil de segmentation automatisée dans le suivi des lésions de sclérose en plaques par IRM au sein du CHU de Lille Sclérose en plaquesIRMactivité inflammatoire radiologiqueintelligence artificielleapprentissage profondalgorithmesegmentation 610 Sclérose en plaques Imagerie par résonance magnétique Inflammation Intelligence artificielle en médecine Apprentissage profond Évaluation des logiciels Lille (Nord) Sclérose en plaques imagerie diagnostique Dissertation universitaire Imagerie par résonance magnétique Dissertation universitaire Inflammation Dissertation universitaire Intelligence artificielle Dissertation universitaire Apprentissage profond Dissertation universitaire Validation de logiciel Dissertation universitaire Contexte : Suivre l’évolution des lésions de SEP par IRM cérébrale est primordial pour détecter la présence d’une activité inflammatoire constituant un facteur pronostic et thérapeutique de la maladie. Le suivi par le radiologue peut être chronophage et peu reproductible. C’est pour ces raisons qu'il existe de plus en plus d’outils de segmentation automatisée utilisant la technique du deep learning visant à pallier ces problèmes. L’objectif principal de cette étude était d’étudier le logiciel Pixyl© récemment utilisé au CHU de Lille afin d’évaluer sa performance à détecter une activité inflammatoire radiologique de la SEP en comparaison à un radiologue-expert. Les objectifs secondaires étaient de déterminer la concordance sur la détection et le nombre des nouvelles lésions et lésions croissantes puis d’analyser les étiologies pour chaque discordance de ces valeurs en étudiant les masques de segmentation du logiciel. Méthode : Il s’agit d’une étude rétrospective descriptive et analytique d’une cohorte de 106 patients (2016 – 2024). Un test de concordance entre le radiologue expert et le logiciel est réalisé (coefficient Kappa) sur la détection d’une activité inflammatoire radiologique et le nombre de lésions croissantes et nouvelles. Puis une description analytique des étiologies pour chaque cas de discordance avec la recherche d’un lien entre la variabilité des paramètres techniques IRM et la discordance du nombre de nouvelles lésions et croissantes via respectivement un test de Fisher exact et Khi-deux. Résultats : La concordance expert/logiciel pour la détection d’une activité inflammatoire est faible avec un kappa à 0,24 [0,12 ; 0,37] due à une faible sensibilité pour la détection et le décompte des lésions croissantes avec des concordances proche de l’aléatoire : kappa tous 2 à 0,06 (respectivement [- 0,04 ;0,16] et [-0,01 ; 0,13]). En revanche, la concordance expert/logiciel pour la détection et le nombre de nouvelles lésions est forte avec un kappa tous deux à 0,81 (respectivement [0,69 ;0,94] et 0,81 [0,72 ;0,91]). Les trois étiologies les plus fréquentes expliquant les 25 discordances entre le logiciel et l’expert pour le décompte des nouvelles lésions sont des lésions étiquetées à tort comme nouvelles alors qu’elles sont croissantes (lésions de petites tailles et passées inaperçues par le logiciel sur une IRM antérieure) (8 cas) ; un oubli du logiciel à cause d’une charge lésionnelle importante rendant difficile la visualisation d’une nouvelle lésion (8 cas) et à cause de la variabilité des paramètres techniques (8 cas). L’étiologie la plus fréquente expliquant les 74 discordances pour le nombre de lésions croissantes est une erreur de segmentation pour les lésions de topographie majoritairement périventriculaire étiquetées comme croissantes alors qu’elles sont stables (66 cas). Enfin la variabilité des paramètres techniques entre 2 IRM ne sont pas des facteurs significatifs de discordance sur ces nombres (p > 0,05) Conclusion : Le logiciel Pixyl© est robuste pour la détection et le décompte des nouvelles lésions en raison d’une concordance satisfaisante avec le radiologue-expert. Concernant la détection des lésions croissantes, le logiciel semble peu performant. La nature purement inflammatoire de ces lésions croissante reste toutefois à préciser. Pour la détection des nouvelles lésions, le logiciel Pixyl© peut être utile aux radiologues qui ne disposent pas d’un logiciel de fusion performant. Electronic Thesis or DissertationText fr application/pdf1 : 0 Kohttps://pepite-depot.univ-lille.fr/LIBRE/Th_Medecine/2024/2024ULILM361.pdf Kouemo Sheena-Chloé 1996-06-14 FR 282610030 2024ULILM361 2024-10-15 Médecine. Radiodiagnostic et imagerie médical Université de Lille (2022-...)thesis.degree.grantor_1 259265152 Doctorat de médecine non ouiOutteryckOlivierintervenant_1119696150 ddc:610 OutteryckOlivierUniversité de Lille (2022-...)Université de Lille Unicode PDF 50