Przedkliniczne opracowanie narzędzia do rekonstrukcji 3D Bili-MRI oraz algorytmu sztucznej inteligencji wspomagającego endoskopistów w wykonywaniu endoskopowej cholangiopankreatografii wstecznej (ERCP) (MAAGIE)

ERCP to złożona interwencyjna procedura endoskopowa oparta na wizualizacji 2D dróg żółciowych. Modelowanie 3D i sztuczna inteligencja to obiecujące rozwiązania poprawiające nawigację i bezpieczeństwo podczas ERCP.

Projekt MAAGIE został zaprojektowany, aby stworzyć jedno z tych innowacyjnych rozwiązań i otrzymał finansowanie ANR w 2024 roku. Obejmuje kilka pakietów roboczych, spośród których pierwszy WP polega na utworzeniu bazy danych z danych obrazowych dróg żółciowych już zebranych podczas opieki klinicznej.

Głównym celem naszego badania będzie opracowanie i walidacja narzędzia umożliwiającego trójwymiarowe modelowanie dróg żółciowych z sekwencji przedoperacyjnego MRCP i tomografii komputerowej jamy brzusznej, pozwalającego na lepszą wizualizację i zrozumienie anatomii dróg żółciowych pacjentów przed i podczas ERCP.

Jest to dwuśrodkowe badanie retrospektywne oparte na danych obrazowych zebranych podczas rutynowej opieki. Pacjenci byli monitorowani w ramach zwykłej ścieżki opieki dla osób poddawanych ERCP w oddziałach endoskopii Szpitala Saint Antoine lub Szpitala Henri Mondor z powodu schorzenia dróg żółciowych związanych ze zwężeniem dróg żółciowych (łagodnym lub złośliwym). Badanie nie zmienia w żaden sposób postępowania z pacjentem.

Pierwszy krok będzie polegał na zidentyfikowaniu wszystkich pacjentów, którzy przeszli ERCP w oddziałach endoskopii Szpitala Saint Antoine lub Szpitala Mondor z powodu schorzenia dróg żółciowych związanych ze zwężeniem dróg żółciowych (łagodnym lub złośliwym) i którzy mieli wykonane zarówno MRCP, jak i tomografię komputerową jamy brzusznej w oddziałach obrazowania tych samych szpitali, od 2020 roku do końca 2025 roku.

Po zweryfikowaniu kryteriów kwalifikacji, zostanie im wysłane specjalne zawiadomienie informacyjne o tym badaniu. Jeśli w ciągu miesiąca nie zostanie otrzymana odpowiedź, zebrane dane mogą zostać ponownie wykorzystane do celów badawczych.

Zebrane dane obrazowe będą wspierać rozwój i walidację oprogramowania do rekonstrukcji/rejestracji 3D (modelowanie 3D dróg żółciowych przy użyciu algorytmów matematycznych do obrazowania medycznego i sieci sztucznej inteligencji zastosowanych do uzyskanych obrazów).

Pseudonimizowane dane zostaną scentralizowane pod nadzorem prof. Camus na bezpiecznym serwerze AP-HP, z utworzoną tabelą korespondencji do śledzenia, dostępną tylko dla prof. Camus. Po zakończeniu badania dane zostaną bezpiecznie przekazane partnerom do analizy i rozwoju narzędzia. Wszystkie transfery danych będą przeprowadzane przy użyciu bezpiecznych, zaszyfrowanych zewnętrznych urządzeń pamięci masowej zgodnie z procedurami lokalnego działu IT AP-HP.

Wielkość danych jest określana na podstawie zdolności przetwarzania obrazów i celów rozwoju technologicznego. Zbiór danych 100 pacjentów zapewnia wystarczającą zmienność anatomiczną do trenowania i testowania modeli AI.

Nie planuje się analizy statystycznej inferencyjnej. Wydajność narzędzia będzie oceniana za pomocą metryk jakości obrazu (DSC, IoU) i wskaźników błędów lokalizacji dla algorytmów. Wreszcie, wymiana z partnerami projektu będzie wspierać rozwój i walidację narzędzia do rekonstrukcji 3D. Analiza będzie przeprowadzana przez zespoły partnerskie w LIP6 i ISIR.