Preklinisk udvikling af et 3D Bili-MRI-rekonstruktionsværktøj og en kunstig intelligens-algoritme til at assistere endoskopister i udførelsen af endoskopisk retrograd kolangiopankreatografi (ERCP) (MAAGIE)

ERCP er en kompleks interventionel endoskopisk procedure baseret på 2D-visualisering af galdevejene. 3D-modellering og AI er lovende løsninger til at forbedre navigation og sikkerhed under ERCP.

MAAGIE-projektet blev designet til at skabe en af disse innovative løsninger og modtog ANR-finansiering i 2024. Det omfatter flere arbejdspakker, hvoraf den første WP involverer oprettelse af en database fra billeddata af galdevejene, der allerede er indsamlet under klinisk behandling.

Hovedformålet med vores undersøgelse vil være at udvikle og validere et værktøj, der muliggør 3-dimensional modellering af galdevejene fra præoperative MRCP- og abdominale CT-scansekvenser, hvilket giver bedre visualisering og forståelse af patienternes galdeanatom før og under ERCP.

Dette er en bicentrisk retrospektiv undersøgelse baseret på billeddata indsamlet under rutinemæssig pleje. Patienterne blev overvåget som en del af den sædvanlige plejeforløb for personer, der gennemgår ERCP på endoskopiafdelingen på Saint Antoine Hospital eller Henri Mondor Hospital for en galdesygdom relateret til en galdevejsstriktur (godartet eller ondartet). Forskningen ændrer ikke patienthåndteringen på nogen måde.

Det første trin vil involvere identificering af alle patienter, der gennemgik ERCP på endoskopiafdelingen på Saint Antoine Hospital eller Mondor Hospital for en galdesygdom relateret til en galdevejsstriktur (godartet eller ondartet) og som havde både en MRCP og en abdominal CT-scan udført på billedafdelingen på de samme hospitaler fra 2020 til udgangen af 2025.

Efter at have verificeret berettigelseskriterierne, vil en specifik informationsmeddelelse om denne undersøgelse blive sendt til dem. Hvis der ikke modtages nogen reaktion inden for en måned, kan de indsamlede data genbruges til forskningsformål.

De indsamlede billeddata vil understøtte udviklingen og valideringen af 3D-rekonstruktions-/registreringssoftware (3D-modellering af galdevejene ved hjælp af matematiske algoritmer til medicinsk billeddannelse og kunstige intelligensnetværk anvendt på de erhvervede billeder).

Pseudonymiserede data vil blive centraliseret under prof. Camus' tilsyn på en sikker AP-HP-server, med en korrespondancetabel oprettet til opfølgning, tilgængelig kun for prof. Camus. Ved afslutningen af undersøgelsen vil data blive sikkert overført til partnerne til analyse og værktøjsudvikling. Alle dataoverførsler vil blive udført ved hjælp af sikre, krypterede eksterne lagerenheder i henhold til de lokale AP-HP IT-afdelings procedurer.

Datavolumen bestemmes baseret på billedbehandlingskapacitet og teknologiske udviklingsmål. Et datasæt på 100 patienter giver tilstrækkelig anatomisk variation til at træne og teste AI-modeller.

Ingen inferentiel statistisk analyse er planlagt. Værktøjets ydeevne vil blive evalueret ved hjælp af billedkvalitetsmålinger (DSC, IoU) og lokaliseringsfejlindikatorer for algoritmerne. Endelig vil udvekslinger med projektpartnere understøtte udviklingen og valideringen af 3D-rekonstruktionsværktøjet. Analysen vil blive udført af partnerteamene på LIP6 og ISIR.