IRM musculaire décrivant des maladies neuromusculaires à l'aide de l'intelligence artificielle

Contexte et objectif:

Les maladies neuromusculaires englobent une gamme de conditions affectant les cellules musculaires, les nerfs ou l'interaction entre les deux. Une caractéristique pathologique courante de ces conditions est le remplacement pro-gressif du tissu musculaire par la graisse, qui peut être visualisé en utilisant l'imagerie magnétique en Reso-Nance (IRM). La quantification des graisses basée sur l'IRM sert de biomarqueur clé pour la caractérisation de la maladie, le suivi de la progression et l'évaluation du traitement. Actuellement, la segmentation manuelle des examens IRM pour la quantification des graisses prend beaucoup de temps, nécessitant une délimitation musculaire individuelle. Par conséquent, un modèle d'intelligence artificielle (IA) est en cours de développement pour automatiser la segmentation. Le but de cette étude est de valider ce modèle d'IA et d'évaluer ses possibilités et ses limites.

Méthode:

L'étude est en cours. Les analyses rétrospectives de l'IRM de patients atteints de quatre maladies musculaires différentes (anoctaminopathie, dystrophie musculaire de Becker, dystrophie musculaire facioscapulomoméral et paralysie périodique hypokaliémique) sont collectées et la délimitation manuelle utilisée pour l'entraînement du modèle AI est effectuée. La fraction de graisse intramusculaire des muscles individuels du bassin, de la cuisse et du mollet sera analysée à l'aide du modèle d'IA. Les performances du modèle AI seront comparées à la segmentation manuelle. L'IA sera évaluée sur des mesures telles que la précision de la segmentation et l'efficacité du temps.