Méthodes d'IRM de diffusion pour minimiser les déficits postopératoires dans la chirurgie de l'épilepsie pédiatrique

Ce projet combinera une IRM cérébrale avancée avec une évaluation neuropsychologique détaillée, réalisée chez des enfants et des adolescents atteints d'épilepsie focale résistante aux médicaments, pour répondre à deux objectifs principaux, chacun d'eux avec les hypothèses de recherche suivantes :

BUT 1. Déterminer la précision de l'analyse avantages-risques basée sur la tractographie par apprentissage profond par rapport à une cartographie de stimulation électrique standard (ESM) qui est la norme clinique actuelle pour détecter les régions corticales éloquentes avant la chirurgie de l'épilepsie.

Hypothèse 1.1 Chez les témoins sains, la classification des voies basée sur DCNN localisera les cortex éloquents, qui se chevauchent de manière significative à la fois lors de l'acquisition d'une seule coque DWI et de l'imagerie d'échantillonnage Q généralisée, ce qui suggère que la précision de cette approche peut ne pas être significativement affectée par le protocole d'acquisition.

Hypothèse 1.2 La classification des voies basée sur DCNN atteindra une précision d'au moins 93 % pour la détection prospective des cortex éloquents définis par l'ESM, y compris les patients présentant une forte probabilité de réorganisation fonctionnelle.

Hypothèse 1.3 La préservation des voies de la substance blanche éloquente classées DCNN pendant la chirurgie prédira l'évitement des déficits postopératoires aussi précisément que la préservation du cortex éloquent défini par l'ESM.

Hypothèse 1.4 La préservation des marges chirurgicales optimisées par le filtre de Kalman sur des données rétrospectives permettra de contrôler les crises et d'éviter les déficits postopératoires dans une cohorte prospective de patients chirurgicaux.

Dans cet objectif, les chercheurs testeront la précision d'un modèle bénéfice-risque basé sur l'apprentissage en profondeur récemment développé, appelé classification des voies par réseau neuronal convolutif profond (DCNN) combiné à l'analyse du filtre de Kalman, pour la détection non invasive des voies éloquentes de la substance blanche et optimisation de la marge chirurgicale (c'est-à-dire la distance entre la zone épileptogène et la zone éloquente), résultant en une liberté de crise et en évitant les déficits fonctionnels. Le fait de ne pas identifier les zones éloquentes dans la région de résection proposée peut avoir des conséquences potentiellement permanentes, et une surestimation ou une localisation incorrecte de l'étendue des régions éloquentes peut conduire à une résection incomplète de la zone épileptogène. Sans optimiser le rapport bénéfice-risque, la marge minimale acceptable est très variable selon les contextes, allant de 0 à 2 cm selon les centres de chirurgie de l'épilepsie. Les chercheurs étudieront si le modèle bénéfice-risque proposé peut standardiser (ou personnaliser) la chirurgie de l'épilepsie de patients individuels en optimisant avec précision les marges des voies éloquentes de la substance blanche à préserver, ce qui est finalement essentiel pour équilibrer le bénéfice de l'absence de crise avec le risque de déficit fonctionnel. Cette nouvelle approche d'imagerie proposée pourrait changer la pratique clinique de la chirurgie de l'épilepsie pédiatrique et est largement applicable à d'autres types de procédures neurochirurgicales telles que la résection tumorale.

OBJECTIF 2. Déterminer la précision de l'analyse du connectome basée sur l'apprentissage profond pour la prédiction de l'amélioration neurocognitive à long terme après une chirurgie de l'épilepsie.

Hypothèse 2.1 Les efficacités de connectivité préservées dans des réseaux modulaires spécifiques de connectome préopératoire à base de DCNN, associées à une amélioration fonctionnelle postopératoire sur des données rétrospectives, prédiront avec précision l'amélioration fonctionnelle à long terme dans une cohorte prospective de patients.

Hypothèse 2.2 Une durée d'épilepsie plus longue sera significativement associée à une efficacité plus réduite dans le réseau modulaire de QI à grande échelle du connectome préopératoire à base de DCNN, suggérant ainsi qu'une chirurgie plus précoce entraînera une meilleure amélioration du QI à grande échelle à long terme.

Hypothèse 2.3 Les patients avec des résections homolatérales, qui montrent des signes de « surpeuplement » postopératoire (c. connectome dans l'hémisphère controlatéral.

Dans cet objectif, les chercheurs testeront si une approche DWMRI avancée intégrant le DCNN et le connectome aide à décider de la chirurgie en temps opportun en fournissant 1) des marqueurs d'imagerie préopératoire sous-jacents à une probabilité élevée d'améliorations neurocognitives postopératoires et 2) un aperçu mécaniste de la réorganisation structurelle du cerveau associée à l'amélioration postopératoire du QI verbal . Une série de marqueurs d'imagerie préopératoire appelés "efficacité locale" qui quantifie l'efficacité de la connexion neuronale partagée par les régions voisines sera évaluée au niveau de réseaux modulaires spécifiques. Nous nous attendons à ce que ces marqueurs puissent identifier les conséquences neurocognitives spécifiques à long terme (et les prédicteurs potentiels de celles-ci) associées à une intervention chirurgicale et leurs corrélats neuronaux pour des fonctions neurocognitives spécifiques. De plus, le remodelage neuronal associé à un effet d'encombrement fonctionnel, étudié avec le connectome DWMRI amélioré par la classification des voies DCNN, fournira un nouvel aperçu mécaniste des processus compensatoires de la fonction de QI verbal chez les enfants et les adolescents qui subissent une chirurgie de résection pour traiter les focales résistantes aux médicaments. épilepsie.