STOP-AVC : prédiction des résultats de l'AVC dans le cadre d'un traitement aigu (STOP-STroke)

Pour éviter des lésions cérébrales irréversibles lors d’un AVC aigu, les neurologues doivent prendre des décisions thérapeutiques dans des délais très serrés. Dans la pratique clinique actuelle, les neurologues décident en utilisant l'inspection visuelle des scintigraphies cérébrales et des paramètres cliniques établis. Malgré la grande quantité de données, les modèles statistiques ou d’apprentissage automatique n’ont pas encore atteint la pratique clinique pour guider la prise de décision. Cela est dû en grande partie au fait que les médecins ne peuvent pas évaluer la fiabilité de ces modèles et que les modèles actuels ne peuvent pas gérer les données d'entrée multimodales. Étant donné que le domaine des traitements de l’AVC aigu est en constante évolution, il existe un besoin urgent d’améliorer notre compréhension des facteurs qui déterminent l’évolution des patients victimes d’un AVC et leur réponse au traitement. Nous sommes convaincus que le projet fournira de nouvelles informations sur la prédiction de l’issue d’un AVC et contribuera à intégrer les données des algorithmes d’apprentissage automatique dans la routine clinique.

Prédiction du neurologue sur l'issue de l'AVC Lorsqu'un patient arrive à l'unité d'AVC, l'équipe traitante intègre en permanence des informations sur les meilleures options thérapeutiques ou le risque de complications. Pour prédire les résultats pour les patients, les neurologues s'appuient sur des données tabulaires structurées, telles que l'âge, le sexe et la tension artérielle, et des données non structurées, telles que les données d'imagerie médicale. La prédiction actuelle du succès thérapeutique chez les patients victimes d’un AVC en dehors de la fenêtre de temps thérapeutique est souvent basée sur des images cérébrales (Joundi et al. Neurologie 97 : S68-S78). L'imagerie pondérée en diffusion et en perfusion (DWI/PWI) est utilisée pour identifier le noyau de l'infarctus et la région hypoperfusée, ce qui donne lieu à une estimation du tissu à risque appelée « mismatch » (Heiss WD et al. Int J Stroke 14:351-8). Une inadéquation importante et un petit noyau d'infarctus sont considérés comme des marqueurs de substitution du succès du traitement, c'est pourquoi les essais cliniques ont souvent présélectionné ces patients (Albers GW et al. N Engl J Med 378 : 708-18). Toutefois, des études récentes remettent en question la validité d’une telle présélection. Par exemple, de nouvelles analyses de données regroupées indiquent que les patients présentant un noyau d'infarctus important bénéficient également du traitement endovasculaire (Campbell BCW el a. Lancet Neurol 18:46-55). De plus, les études réalisées avec des patients présélectionnés ne permettent pas de tirer des conclusions sur l'effet du traitement chez les patients présentant un manque d'inadéquation ou des noyaux volumineux. Il devient de plus en plus clair que les patients présentant un noyau important ou un manque d'inadéquation pourraient également bénéficier d'un traitement par thrombectomie endovasculaire (Karamchandani RR et al. J Stroke Cerebrovasc Dis 31 : 106548). Nous espérons qu'une approche de modélisation raffinée et l'intégration de l'imagerie et des paramètres cliniques produiront de meilleurs facteurs pronostiques et des prévisions de résultats plus fiables.

Prédiction assistée par ordinateur de l'issue d'un AVC Pour la prédiction assistée par ordinateur de l'issue chez les patients victimes d'un AVC, les scores ont été développés sur la base de quelques caractéristiques tabulaires présélectionnées, telles que l'âge et le sexe, et d'un modèle de régression logistique sous-jacent. Bien que ces méthodes surpassent légèrement les méthodes basées sur les scores, elles manquent d’interprétabilité. Par conséquent, il n’existe actuellement aucun outil de prédiction des résultats assisté par ordinateur utilisé en routine clinique.

Travaux préparatoires antérieurs Dans un projet récent mené précédemment, nous avons analysé les caractéristiques d'imagerie des données d'imagerie DWI et de perfusion telles que TTP, CBF, CBV et TMAX dans un groupe de patients victimes d'un AVC avec LVO, tous traités par MT à l'InselSpital Berne. Nous avons testé si le concept d'inadéquation généralement accepté, dérivé d'un logiciel clinique de routine, améliore effectivement la prédiction des résultats pour chaque patient. Nous avons démontré que ni le volume central ni le volume de mésappariement n'amélioraient significativement la prédiction des résultats lorsqu'ils étaient utilisés en plus des paramètres cliniques (Hamann J et al. Eur J Neurol 28:1234-43). Pour mettre en œuvre un modèle de prédiction des résultats de l'AVC digne de confiance pour les cliniciens, nous avons développé des modèles basés sur l'apprentissage profond (DL) qui peuvent non seulement intégrer des données structurées et non structurées, mais également produire des estimations de paramètres interprétables pour des paramètres cliniques tels que les rapports de cotes (https://www .sciencedirect.com/science/article/abs/pii/S003132032100443X). Nous les avons appliqués aux données de patients victimes d'un AVC ischémique traités à l'hôpital universitaire de Berne (https://arxiv.org/abs/2206.13302) et avons étudié si nos modèles pouvaient rivaliser avec des neurologues expérimentés en effectuant un défi de prédiction en aveugle, où cinq neurologues et notre Le modèle DL formé a reçu les mêmes données cliniques structurées que celles des patients victimes d'un AVC. Dans cette expérience, notre modèle avait tendance à montrer de meilleures performances, en particulier lorsque des données d'image étaient fournies (Herzog L et al. Accident vasculaire cérébral. juillet 2023;54(7):1761-1769).

En conséquence, la présente étude STOP-AVC vise à améliorer la prédiction des résultats tôt après un AVC en évaluant à la fois l'estimation des résultats par le clinicien ainsi que notre modèle DL formé. Ainsi, nous essayons de mettre en œuvre un nouvel outil de pronostic, qui peut être utile pour soutenir la décision de traitement et les soins individualisés aux patients.

Critères de jugement principaux et secondaires du STOP-AVC :

Le critère d'évaluation principal de l'étude sera le handicap réel lié à un accident vasculaire cérébral évalué par le mRS à 3 mois ainsi que le NIHSS (gravité de l'AVC) après 24 heures et 3 mois après un accident vasculaire cérébral ischémique aigu (AIS). Les facteurs de base qui peuvent avoir une influence sur le critère d'évaluation principal sont l'âge, le sexe, les facteurs de risque vasculaire, la durée du traitement, l'indépendance avant l'AVC, etc. Les critères d'évaluation secondaires sont les scores mRS prédits des neurologues traitants de l'unité d'AVC d'un côté et le mRS prédit par le modèle DL d’autre part.

Conception du projet :

Il s'agit d'un projet monocentrique mené au sein du département de neurologie de l'USZ. La conception de l'étude sera exploratoire.

Procédure de recrutement, de sélection et de consentement éclairé :

Le lieu de recrutement sera le département de neurologie de l'USZ. Nous prévoyons de réaliser une étude monocentrique. Tous les patients référés à l'unité d'AVC de l'USZ avec suspicion d'AIS de 7h00 à 17h00 seront examinés par l'équipe d'étude. Ces patients seront recrutés selon un recrutement continu et consécutif au sein de l'équipe d'étude dans la pratique clinique quotidienne. Le processus de sélection se déroulera comme décrit dans la section suivante. Les patients suspectés d'AIS arrivant à l'unité d'AVC de l'USZ seront dépistés s'il n'y a pas de refus d'utilisation des données déjà documenté (GC avec objection préalable). Si oui, ces patients ne seront pas considérés comme participant à l'étude. Dans le cas contraire, l'accord d'un médecin indépendant sera demandé pour le patient afin de ne pas retarder le traitement aigu. Le médecin indépendant, qui peut être tout médecin ne faisant pas partie de l'équipe d'étude, sera informé que sa participation est volontaire et peut être retirée à tout moment. Il sera demandé aux patients leur consentement dès qu'ils seront en mesure de consentir au cours de l'hospitalisation ou au moins jusqu'à la visite de suivi de routine de 3 mois. Si d’ici là le patient n’est toujours pas en mesure de consentir, nous demanderons à son plus proche parent. Si le patient n'a pas de plus proche parent, s'il n'y a aucun contact avec le plus proche parent ou si le patient est perdu de vue ou si le patient est décédé, les données seront utilisées si aucune objection contre l'utilisation des données à des fins de recherche n'est documentée. Si les patients et/ou les plus proches parents ne peuvent pas se présenter en personne pour la visite de routine, nous leur enverrons une courte lettre de demande de participation à l'étude accompagnée du consentement éclairé par courrier. Dans la lettre de demande, nous expliquerons la procédure de consentement éclairé et demanderons aux patients soit de renvoyer le consentement éclairé signé en cas d'approbation de participation à l'étude, soit de fournir une déclaration écrite de refus de participation à l'étude. Nous informerons les patients dans la lettre de demande que s'il n'y a pas de réponse dans un délai de quatre semaines, nous utiliserons les données anonymisées obtenues si aucune objection préalable contre l'utilisation des données à des fins de recherche n'est documentée (le document de la lettre de demande peut être trouvé en pièce jointe distincte). Si les patients refusent de participer à l'étude, les données codées collectées ne seront pas utilisées pour une analyse plus approfondie des données.

Nous avons élaboré un consentement éclairé pour les patients, les plus proches parents et le médecin indépendant spécifiquement aux fins de cette étude, qui est joint aux documents d'étude soumis.

Modalités d'étude :

L'étude devrait démarrer immédiatement après l'approbation du comité d'éthique et se poursuivra pendant une durée globale du projet d'environ trois ans. Nous prévoyons une période de recrutement d'environ un à deux ans. La durée du projet pour chaque patient sera de trois mois pendant que nous évaluons le paramètre de résultat principal (mRS) trois mois après l'AIS. L'étude consistant en une collecte de données personnelles sur la santé des patients référés avec suspicion d'AIS à l'USZ. Ces données cliniques et d'imagerie seront anonymisées et stockées sur un serveur USZ sécurisé par mot de passe. Nous ne collecterons aucun matériel ou échantillon biologique du patient (sang ou tissus).

Variables cliniques et d'imagerie :

Nous prévoyons de collecter des données de laboratoire et d'imagerie de routine, des scores cliniques de routine sur la gravité de l'AVC et l'incapacité fonctionnelle et d'autres informations cliniques de routine. Il sera demandé au médecin traitant (neurologue certifié) de l'unité d'AVC de l'USZ aux moments N1 et N2 et au médecin traitant pendant la période d'hospitalisation au N3 de remplir un questionnaire (voir ci-joint à la fin de ce manuscrit) accessible uniquement via une connexion personnelle à un site Web développé spécifiquement pour ce projet (prévu avec l'application Web sécurisée REDCap). Les paramètres cliniques et d'imagerie seront obtenus auprès du médecin traitant de l'unité d'AVC ou du service neurologique de l'USZ ou pourront être extraits du dossier électronique du patient (KISIM). Nous ne prévoyons pas d'extraire les données du Swiss Stroke Registry (SSR), car les données du contexte aigu ne seront pas documentées ici à ce moment-là. Les données d'imagerie seront évaluées à N2 à partir de la première imagerie cérébrale cliniquement indiquée.

De plus, nous évaluerons les paramètres suivants par le médecin traitant de l'unité d'AVC sur la base des antécédents médicaux et de l'examen clinique, que nous avons jugés essentiels pour l'estimation des résultats : fragilité, multimorbidité, cancer incontrôlé, déclin cognitif préexistant, polypharmacie (≥ 4 médicaments), logement institutionnel, soutien social faible ou inexistant (famille ou amis proches) et un créneau non catégorisé pour jusqu'à trois autres variables non répertoriées précédemment. Ces paramètres seront évalués catégoriquement (option oui/non) par les membres de l'équipe d'étude lors de l'interrogation du médecin traitant ou via l'évaluation du dossier électronique du patient. Le médecin traitant évaluera les paramètres lors de l'examen clinique et/ou de l'interrogation du patient ou de son plus proche parent, si disponible en milieu de soins aigus. Une liste de ces paramètres est jointe à la fin de ce manuscrit. L'application web REDCap sera conçue par le Centre d'essais cliniques pour les besoins du projet. Tous les médecins traitants recevront un identifiant personnalisé afin de remplir les questionnaires pour les différents moments de l'étude directement dans REDCap. Nous prévoyons un cadenas pour la saisie des données afin de fixer les données et sécuriser la saisie des données dans un délai raisonnable. L'accès aux données dans REDCap n'aura que le médecin traitant ainsi que les membres de l'équipe d'étude. L'application est sécurisée par mot de passe dans le but de stocker en toute sécurité les données de l'étude.

Variables de résultat :

NIHSS : L'échelle des National Institutes of Health Stroke Scale est un examen neurologique en 42 points utilisé pour quantifier la gravité d'un accident vasculaire cérébral aigu. Le NIHSS évalue le niveau de conscience, les mouvements oculaires, les champs visuels, la fonction des muscles du visage, la force des membres, la fonction sensorielle, la coordination, le langage, la parole et la négligence. Le score sera collecté comme une procédure standard chez les patients AIS lors de leur admission à l'hôpital au début de l'AVC et représentera l'un des paramètres cliniques sur lesquels la prédiction des résultats doit être faite. Le NIHSS sera également un paramètre de résultat principal (24 heures et 3 mois après le début de l'AVC), qui doit être prédit par les médecins sur N1-3, et sera demandé de manière prospective aux médecins traitants de l'unité d'AVC, qui sont effectuer le score dans le cadre de l'examen d'admission systématiquement en N1, et demandé aux neurologues traitants du service en N3, qui fait partie de l'examen de sortie, ainsi qu'au contrôle de routine à 3 mois à la clinique externe de l'USZ L'équipe d'étude évaluera le score via le dossier du patient ou directement auprès du médecin traitant de la clinique externe du service de neurologie de l'USZ. Si le patient ne peut pas se présenter en personne au contrôle de 3 mois, l'équipe d'étude peut contacter le plus proche parent, le médecin généraliste, le médecin traitant ou l'infirmière du centre de rééducation ou de la maison de retraite afin d'évaluer le score.

mRS : L'échelle de Rankin modifiée est une échelle largement utilisée pour mesurer le degré d'invalidité des personnes ayant subi un accident vasculaire cérébral. Le mRS est utilisé dans la pratique clinique, ainsi que dans les études sur les accidents vasculaires cérébraux pour décrire les résultats cliniques après un accident vasculaire cérébral. Le mRS va de 0 à 6, 0 étant un patient sans aucun handicap et 6 indiquant le décès du patient. Le score sera collecté comme procédure standard chez les patients AIS lors de leur admission à l'hôpital au début de l'AVC, y compris le score avant le début de l'AVC ainsi qu'après trois mois en tant que paramètre de résultat évalué par les médecins du département de neurologie. Le score sera demandé de manière prospective sur N1-3 car il représente également un paramètre de résultat principal ainsi que lors du contrôle de routine de 3 mois à la clinique externe de l'USZ. L'équipe d'étude évaluera le score à 3 mois via le dossier du patient ou auprès du médecin traitant de la clinique externe du département de neurologie de l'USZ à ce moment-là. Si le patient ne peut pas se présenter en personne au contrôle de 3 mois, l'équipe d'étude peut contacter le plus proche parent, le médecin généraliste, le médecin traitant ou l'infirmière du centre de rééducation ou de la maison de retraite afin d'évaluer le score.

Données d'imagerie :

Nous prévoyons de stocker les données d'imagerie (images CT et IRM du cerveau, y compris l'angiographie CT et IRM ainsi que les images de perfusion du cerveau) collectées lors de l'admission à l'USZ ou à l'hôpital de l'hospitalisation initiale dans le cadre du premier traitement cliniquement indiqué. neuroimagerie réalisée après une admission à l'hôpital en cas de suspicion d'accident vasculaire cérébral ischémique aigu. Les données d'imagerie seront extraites du système logiciel d'imagerie utilisé à l'USZ. Le processus de désidentification sera effectué conformément aux normes internes de l'USZ. Un fichier maître protégé par mot de passe sera stocké par le gestionnaire de données sur les serveurs USZ, qui sont sécurisés conformément aux directives USZ. Les images seront stockées sous une forme anonymisée dans une zone spécifique au projet avec un accès restreint. L'accès sera accordé à tous les membres du projet selon la liste du personnel. Étant donné que les données seront archivées de manière structurée et stockées sous une forme codée, les données d'imagerie pourront être mises à disposition sur demande raisonnable pour d'autres projets de recherche d'autres institutions universitaires.

Visites de projets :

Après la sortie de l'hôpital, il n'y aura qu'une seule visite clinique régulière 3 mois après le début de l'AVC dans notre ambulatoire de neuroangiologie avec évaluation du NIHSS et du mRS. Si un patient est décédé ou ne peut pas venir en personne en raison de restrictions sanitaires sévères, le plus proche parent ou le soignant responsable sera contacté pour évaluer le degré d'invalidité post-AVC. Il n'y aura pas d'autres visites cliniques d'entretiens téléphoniques prévues dans le cadre de l'étude.

Prédictions du modèle :

Les données cliniques et d'images collectées dans le cadre de cette étude seront transformées de manière à pouvoir être introduites dans les modèles DL. Les modèles DL seront déjà formés, c'est-à-dire qu'ils ont déjà appris les fonctionnalités d'imagerie pertinentes pour la prédiction des résultats sur la base de données d'observation qui ne font pas partie de cette étude. Dans la publication du projet de recherche mené précédemment, dans lequel nous avons déjà utilisé la méthode de prédiction du modèle DL, nous décrivons en détail comment les données cliniques et d'imagerie seront saisies dans le modèle et comment le modèle lui-même sera ensuite exécuté.

Lorsque toutes les données sont collectées pour l'analyse intermédiaire ou l'analyse finale prévue, les modèles seront utilisés pour prédire le résultat en utilisant exactement les mêmes patients afin de rendre les prédictions comparables. Les médecins traitants impliqués dans la partie prédiction peuvent avoir un aperçu des résultats finaux après analyse et évaluation des données.