Preklinický vývoj 3D Bili-MRI rekonstrukčního nástroje a umělého inteligenčního algoritmu na pomoc endoskopistům při provádění endoskopické retrográdní cholangiopankreatografie (ERCP) (MAAGIE)

ERCP je komplexní intervenční endoskopický zákrok založený na 2D vizualizaci žlučových cest. 3D modelování a umělá inteligence jsou slibná řešení pro zlepšení navigace a bezpečnosti během ERCP.

Projekt MAAGIE byl navržen k vytvoření jednoho z těchto inovativních řešení a získal financování ANR v roce 2024. Zahrnuje několik pracovních balíčků, z nichž první WP zahrnuje vytvoření databáze ze zobrazovacích dat žlučových cest již shromážděných během klinické péče.

Hlavním cílem naší studie bude vyvinout a validovat nástroj, který umožní 3-rozměrné modelování žlučových cest z preoperačních sekvencí MRCP a CT břicha, což umožní lepší vizualizaci a porozumění žlučové anatomii pacientů před a během ERCP.

Toto je dvoucentrická retrospektivní studie založená na zobrazovacích datech shromážděných během rutinní péče. Pacienti byli sledováni v rámci obvyklé péče pro osoby podstupující ERCP na endoskopických odděleních nemocnice Saint Antoine nebo nemocnice Henri Mondor pro žlučové onemocnění související se strikturou žlučových cest (benigní nebo maligní). Výzkum nijak nemění léčbu pacientů.

Prvním krokem bude identifikace všech pacientů, kteří podstoupili ERCP na endoskopických odděleních nemocnice Saint Antoine nebo nemocnice Mondor pro žlučové onemocnění související se strikturou žlučových cest (benigní nebo maligní) a kteří měli provedeno jak MRCP, tak CT břicha na zobrazovacích odděleních stejných nemocnic, od roku 2020 do konce roku 2025.

Po ověření kritérií způsobilosti jim bude zasláno speciální informační sdělení o této studii. Pokud nebude do jednoho měsíce obdržena odpověď, mohou být shromážděná data znovu použita pro výzkumné účely.

Shromážděná zobrazovací data podpoří vývoj a validaci softwaru pro 3D rekonstrukci/registraci (3D modelování žlučových cest pomocí matematických algoritmů pro lékařské zobrazování a sítí umělé inteligence aplikovaných na získané snímky).

Pseudonymizovaná data budou centralizována pod dohledem prof. Camuse na zabezpečeném serveru AP-HP, s vytvořením korespondenční tabulky pro sledování, přístupné pouze prof. Camusovi. Na konci studie budou data bezpečně převedena na partnery pro analýzu a vývoj nástroje. Veškeré přenosy dat budou provedeny pomocí zabezpečených, šifrovaných externích úložných zařízení podle postupů místního IT oddělení AP-HP.

Objem dat je stanoven na základě kapacity zpracování obrazu a cílů technologického vývoje. Datová sada 100 pacientů poskytuje dostatečnou anatomickou variabilitu pro trénink a testování modelů umělé inteligence.

Není plánována žádná inferenční statistická analýza. Výkonnost nástroje bude hodnocena pomocí metrik kvality obrazu (DSC, IoU) a indikátorů lokalizační chyby pro algoritmy. Nakonec výměny s partnery projektu podpoří vývoj a validaci nástroje pro 3D rekonstrukci. Analýza bude provedena partnerskými týmy LIP6 a ISIR.