HSI pour l'identification du plan intersegmentaire pendant les résections pulmonaires sous-lobaires (HYPER-Seg)

Le cancer du poumon est la principale cause de décès liés au cancer dans le monde. Du fait de la généralisation des stratégies de dépistage, notamment pour les populations à risque, un nombre croissant de cas de cancer du poumon sont détectés à un stade précoce. À cet égard, le cancer du poumon est également de plus en plus diagnostiqué chez les patients dont la fonction pulmonaire est altérée. Pour préserver la fonction pulmonaire et réduire l'incidence des complications, les segmentectomies pulmonaires sont actuellement évaluées dans cette cohorte. Ainsi, la dernière version de la directive allemande pour la prévention, le diagnostic, le traitement et le suivi du cancer du poumon recommande la segmentectomie pour les patients présentant une fonction pulmonaire altérée au stade tumoral I/II. Cependant, l'identification du plan intersegmentaire - l'étape clé de la segmentectomie - reste difficile. Une reconnaissance inexacte du plan intersegmentaire peut entraîner un dysfonctionnement du tissu pulmonaire restant, une inadéquation de la ventilation ou du flux sanguin, ou une fuite d'air à long terme après la chirurgie, ce qui nécessite même une chirurgie secondaire non planifiée. Le vert d'indocyanine (ICG) est l'une des dernières méthodes d'identification évaluées et est considéré comme l'étalon-or. L'imagerie hyperspectrale (HSI) - une technique d'imagerie peropératoire nouvellement établie - permet une évaluation non invasive de la perfusion tissulaire et la discrimination du tissu pulmonaire avec une perfusion tissulaire différente pendant les segmentectomies.

Le but de cette étude prospective, monocentrique et de non-infériorité IDEAL Stade 2b est l'identification du plan intersegmentaire et de la navigation lors des résections pulmonaires sous-lobaires dans le cancer du poumon à l'aide de l'imagerie hyperspectrale, la comparaison avec l'identification du plan intersegmental par fluorescence ICG et l'établissement de navigation plane intersegmentaire automatique utilisant des stratégies d'apprentissage automatique pour la navigation peropératoire.

Pour résoudre ce problème, le plan intersegmentaire sera détecté à la fois par HSI et ICG-fluorescence lors de segmentectomies pulmonaires et la correspondance des deux méthodes d'identification sera comparée l'une à l'autre. À l'aide de stratégies d'apprentissage automatique, la détection des tissus pulmonaires perfusés et non perfusés et du plan intersegmentaire sera analysée. Enfin, les chercheurs étudieront le suivi du mouvement pour l'amélioration des futures illustrations HSI pendant la chirurgie.

L'hypothèse de cette étude est que le HSI pourrait améliorer la navigation peropératoire lors des segmentectomies pulmonaires en fournissant une identification du plan intersegmentaire aussi fiable que l'étalon-or de la fluorescence du vert d'indocyanine. Dans ce cas, une application intraveineuse de colorant fluorescent ne serait plus nécessaire pour l'identification du plan intersegmentaire.

Dans le cas d'une résection segmentaire complexe, une utilisation importante ou répétée d'ICG est nécessaire en raison de son temps de circulation pulmonaire court. L'utilisation multiple d'ICG peut entraîner l'entrée d'ICG dans le tissu pulmonaire cible par la circulation bronchique et augmenter le risque d'effets indésirables de l'ICG. En revanche, les avantages du HSI seraient une mesure plus rapide et répétitive pendant la chirurgie. Il y aura un potentiel pour réduire le temps total de mesure pendant la dissection du plan intersegmentaire (10 secondes contre 3 minutes / mesure) et par conséquent la charge du patient. Dans ce contexte, plusieurs études sur la mesure de la perfusion basée sur l'HSI lors d'une chirurgie oesophagienne ou colorectale ont déjà montré une amélioration des résultats pour les patients. De plus, le HSI peut être utilisé pour la chirurgie chez les patients souffrant d'hyperthyroïdie ou d'insuffisance rénale ou hépatique.

Afin de soutenir cette hypothèse, un plan d'essai prospectif de non-infériorité sera utilisé dans cette étude. Afin d'assurer la qualité de l'acquisition des données et des rapports, l'étude sera menée conformément aux directives de rapport IDEAL. Au cours des segmentectomies pulmonaires, le plan intersegmentaire sera identifié par la fluorescence HSI et ICG. La marge intersegmentaire HSI déterminée sera comparée à la fluorescence ICG de vérité terrain et la faisabilité et la reproductibilité de la cartographie HSI et ICG seront étudiées.

Les méthodes d'apprentissage automatique ont grandement amélioré l'interprétation des modèles subtils dans les données d'imagerie médicale. Les réseaux de neurones convolutifs (CNN) peuvent être considérés comme l'état de l'art pour la classification et la segmentation des images médicales. Les chercheurs étendront les méthodes basées sur CNN pour la classification HSI et étudieront en particulier la différenciation basée sur les patchs entre les tissus perfusés et non perfusés en utilisant les données ICG et HSI acquises à la même position. Un autre défi est l'acquisition relativement lente du HSI (10 secondes/mesure), ce qui le rend sujet aux artefacts de mouvement, par exemple en raison d'un mouvement pulsatile. Pour résoudre ce problème, les chercheurs étudieront le suivi du mouvement, qui est également pertinent pour l'illustration future de la limite du segment pendant la chirurgie.

Les approches d'apprentissage automatique et en particulier les CNN permettent d'optimiser directement les classificateurs en fonction de données cliniques réelles et la dimension spectrale peut être gérée de manière simple. De plus, en tant que méthode polyvalente de traitement d'image, les CNN peuvent également être utilisés pour la localisation et la compensation de mouvement pendant l'imagerie peropératoire, par exemple, ils peuvent être formés pour détecter les caractéristiques de l'image et leur mouvement dans les flux d'images rouge/vert/bleu. Ceci est intéressant pour l'acquisition de données HSI proposée, qui est basée sur une séquence de mesures sensibles au mouvement des tissus.