Preklinisk utvikling av et 3D Bili-MRI-rekonstruksjonsverktøy og en kunstig intelligens-algoritme for å assistere endoskopister i utførelsen av endoskopisk retrograd kolangiopankreatografi (ERCP) (MAAGIE)

ERCP er en kompleks intervensjonell endoskopisk prosedyre basert på 2D-visualisering av gallegangene. 3D-modellering og KI er lovende løsninger for å forbedre navigasjon og sikkerhet under ERCP.

MAAGIE-prosjektet ble designet for å skape en av disse innovative løsningene og mottok ANR-finansiering i 2024. Det inkluderer flere arbeidspakker, hvor den første WP innebærer å opprette en database fra bildebehandlingsdata av gallegangene som allerede er samlet inn under klinisk behandling.

Hovedmålet med vår studie vil være å utvikle og validere et verktøy som muliggjør 3-dimensjonal modellering av gallegangene fra preoperativ MRCP og abdominal CT-scan-sekvenser, noe som gir bedre visualisering og forståelse av pasienters gallegangsanatomi før og under ERCP.

Dette er en bisentrisk retrospektiv studie basert på bildebehandlingsdata samlet inn under rutinemessig behandling. Pasientene ble fulgt opp som en del av den vanlige behandlingsveien for individer som gjennomgår ERCP i endoskopiavdelingene på Saint Antoine-sykehuset eller Henri Mondor-sykehuset for en gallegangsrelatert tilstand knyttet til en gallegangsstriktur (godartet eller ondartet). Forskningen endrer ikke pasientbehandlingen på noen måte.

Det første trinnet vil innebære å identifisere alle pasienter som gjennomgikk ERCP i endoskopiavdelingene på Saint Antoine-sykehuset eller Mondor-sykehuset for en gallegangsrelatert tilstand knyttet til en gallegangsstriktur (godartet eller ondartet) og som hadde både en MRCP og en abdominal CT-scan utført i bildebehandlingsavdelingene på de samme sykehusene, fra 2020 til utgangen av 2025.

Etter å ha verifisert inklusjonskriteriene, vil en spesifikk informasjonsmelding om denne studien bli sendt til dem. Hvis det ikke mottas noen respons innen én måned, kan de innsamlede dataene gjenbrukes til forskningsformål.

Bildebehandlingsdataene som samles inn vil støtte utviklingen og valideringen av 3D-rekonstruksjons-/registreringsprogramvare (3D-modellering av gallegangene ved bruk av matematiske algoritmer for medisinsk bildebehandling og kunstig intelligens-nettverk anvendt på de innsamlede bildene).

Pseudonymiserte data vil bli sentralisert under tilsyn av professor Camus på en sikker AP-HP-server, med en korrespondansetabell opprettet for oppfølging, kun tilgjengelig for professor Camus. På slutten av studien vil dataene bli sikkert overført til partnerne for analyse og verktøyutvikling. Alle dataoverføringer vil bli utført ved hjelp av sikre, krypterte eksterne lagringsenheter i henhold til lokale AP-HP IT-avdelingsprosedyrer.

Datavolumet er bestemt basert på bildebehandlingskapasitet og teknologiske utviklingsmål. Et datasett på 100 pasienter gir tilstrekkelig anatomisk variasjon til å trene og teste KI-modeller.

Ingen inferensiell statistisk analyse er planlagt. Verktøyets ytelse vil bli evaluert ved hjelp av bildekvalitetsmål (DSC, IoU) og lokalisering av feilindikatorer for algoritmene. Til slutt vil utveksling med prosjektpartnere støtte utviklingen og valideringen av 3D-rekonstruksjonsverktøyet. Analysen vil bli utført av partnerteamene ved LIP6 og ISIR.