Université de Lille Association entre la localisation des lésions ischémiques et le pronostic à 3 mois après thrombectomie mécanique : étude parcelle-symptôme sur une cohorte du CHRU de Lille entre 2015 et 2020 AVCthrombectomie mécaniquepronosticintelligence artificiellelocalisationatlas cérébralneuroradiologieLiiFE 610 Maladies cérébrovasculaires Cerveau Lésions et blessures Thrombectomie Apprentissage profond Pronostic (médecine) Accident vasculaire cérébral ischémique Lésions encéphaliques Thrombectomie Apprentissage profond Pronostic Introduction : La localisation des lésions cérébrales post-AVC ischémique influence le pronostic fonctionnel. L’impact de cette localisation selon le succès de la recanalisation, reste peu exploré. Méthode : Une cohorte du CHRU de Lille entre 2015 et 2020 pris en charge pour une AVC ischémique par thrombectomie mécanique a été analysée. Les lésions ont été segmentées automatiquement via un modèle de deep learning (CNN), puis projetées sur l’atlas Desikan-Killiany (APARC+ASEG). Le volume lésionnel régional a été corrélé au score mRS à 3 mois, selon le statut de recanalisation. Résultats : Chez les patients recanalisés, des corrélations significatives ont été retrouvées entre les volumes lésionnels et le mRS dans des régions motrices et intégratives de l’hémisphère gauche (gyrus précentral, thalamus, putamen). Ces associations étaient absentes chez les non-recanalisés. Les coefficients de Spearman restaient faibles (rho < –0,2), en lien avec la nature multifactorielle du pronostic post-AVC. Conclusion : Une approche régionale automatisée permet une cartographie pronostique, déterminante qu’en cas de recanalisation, intégrable en clinique et ouvre la voie à des modèles prédictifs personnalisés post-AVC. Electronic Thesis or DissertationText fr application/pdf1 : 0 Kohttps://pepite-depot.univ-lille.fr/LIBRE/Th_Medecine/2025/2025ULILM106.pdf Daouairi Hakim 1995-04-13 FR 285281992 2025ULILM106 2025-04-28 Médecine. Radiodiagnostic et imagerie médical Université de Lille (2022-...)thesis.degree.grantor_1 259265152 Doctorat de médecine non ouiBretznerMartinintervenant_1234109777 ddc:610 BretznerMartinUniversité de Lille (2022-...)Université de Lille Unicode PDF 50