Discrimination précoce des infections périprothétiques de la hanche à l'aide de réseaux de neurones (SEPTIC-ANNR) (SEPTIC-ANNR)

Les infections périprothétiques de la hanche sont un sujet brûlant en chirurgie orthopédique, dont l'incidence est d'environ 1 %. La morbidité, la mortalité et les surcoûts associés à une hospitalisation prolongée et à la poursuite des traitements sont les principales préoccupations. Les infections périprothétiques sont généralement diagnostiquées selon les critères du CDC (Center for Disease Control and Prevention) (2014). Le diagnostic repose sur des critères majeurs et mineurs, incluant des paramètres pré-opératoires et per-opératoires. Afin d'obtenir un diagnostic fiable de l'infection, en l'absence de fistule, une aspiration de liquide synovial ou des échantillons de tissus sont nécessaires. Cependant, ces techniques sont coûteuses et invasives. De plus, la sensibilité n'est pas toujours aussi précise, comme le montrent certaines séries de reprises chirurgicales réalisées pour un descellement aseptique présumé, qui s'est révélé septique après cultures. Par conséquent, le diagnostic d'infection est souvent tardif et après un bilan diagnostique long, complexe, coûteux et pas toujours décisif, impactant le moment et la réussite du traitement.

Une procédure de diagnostic pratique, rapide, fiable et non invasive (éventuellement en ambulatoire) pour les infections périprothétiques serait souhaitable. Elle peut s'appuyer sur l'imagerie diagnostique, limitant le prélèvement de liquide ou de tissus aux cas douteux. Actuellement, les techniques d'imagerie CT et de médecine nucléaire ne sont pas systématiquement adoptées dans le diagnostic de l'infection, en raison de la fiabilité, des coûts et de l'exposition modestes aux agents radiants.

Récemment, les réseaux de neurones ont été introduits : ils sont constitués de nombreux processeurs parallèles simples, profondément connectés, réalisant un modèle de calcul. Les réseaux de neurones imitent le cerveau et sa capacité à apprendre. Les modèles informatiques reconnaissent les signaux visuels, gèrent des situations complexes en temps réel, classent et gèrent le bruit, utilisent la mémoire associative avec un accès en temps réel à de grandes quantités de données et reconstruisent des informations partielles ou corrompues. Les réseaux de neurones ont déjà été utilisés pour prédire l'apparition d'infections, de métastases et d'échecs thérapeutiques, en intégrant des données d'imagerie clinique et diagnostique. À ce jour, aucune étude sur les réseaux de neurones dans l'infection périprothétique n'a été menée. Le but de cette étude est d'évaluer si les réseaux de neurones (réseaux de neurones cellulaires-algorithme génétique), appliqués aux radiographies conventionnelles, sont précis, sensibles et spécifiques pour la discrimination précoce d'une infection périprothétique de la hanche, déjà diagnostiquée avec des méthodes bien connues ( CDC 2014).

Plus précisément, une population de patients, ayant un historique radiographique complet (radiographies pré-opératoires et une série d'autres radiographies post-opératoires), traités pour descellement septique ou aseptique, est sélectionnée.

Les deux cas sont nécessaires pour "instruire" un réseau de neurones. La première étape consiste à identifier une série consécutive de patients avec un diagnostic de descellement septique ou aseptique, en consultant la base de données hospitalière. Ainsi, les patients sont catégoriquement divisés en desserrage septique ou aseptique. Les critères CDC 2014 sont utilisés (tels qu'effectués en routine en milieu clinique), en ajoutant un autre critère majeur et nécessaire : au moins 3 échantillons de tissus peropératoires positifs (même micro-organisme). En cas de descellement aseptique, l'étui ne doit pas répondre aux critères CDC 2014. Ainsi, les données d'imagerie et cliniques des patients sont collectées. Après avoir établi le diagnostic, le matériel radiographique est traité (réseaux de neurones cellulaires - algorithme génétique). La procédure proposée traite les images radiographiques en utilisant le pipeline suivant et le logiciel MatLab (Mathworks, Natick, US) :

• ligne de base : la première image post-implantaire est comparée à l'image radiographique pré-implantaire ;
• les progrès sont enregistrés par des radiographies périodiques utilisant des projections standard et répétables (rayons X du bassin);
• les caractéristiques sont extraites de chaque image, dans la zone segmentée manuellement (région d'intérêt - ROI). Trois étapes ont lieu : 1) le prétraitement des images, pour créer des cadres uniformes de données d'entrée (images en niveaux de gris). Égalisation de l'histogramme des couleurs ; 2) les caractéristiques extraites des réseaux de neurones sont appliquées au retour sur investissement. Modèles de clonage à l'aide d'algorithmes génétiques. Les fonctionnalités seront traitées par une couche entièrement connectée + SoftMax ; 3) caractéristiques extraites d'AutoEconder avec une couche entièrement connectée + SoftMax ;
• analyse des caractéristiques radiographiques différentielles (analyse des côtés cellulaires et convolutifs) et comparaison à la ligne de base. Post-traitement de la manière suivante : 1) couche de régression entièrement connectée et classificateur multiclasse : produira le pourcentage de risque de progression septique ; 2) couche de régression entièrement connectée et classificateur binaire : caractéristiques des grappes septiques/aseptiques ;
• un arbre décisionnel final : fusion des données précitées, fournissant un pourcentage de risque de progression septique à l'imagerie indexée. L'objectif est de vérifier si les réseaux de neurones appliqués à l'imagerie radiographique peuvent reconnaître avec précision, sensibilité et spécificité une infection périprothétique chronique tardive de la hanche diagnostiquée selon des critères validés et certains.