Preklinisk utveckling av ett 3D Bili-MRI-rekonstruktionsverktyg och en artificiell intelligens-algoritm för att assistera endoskopister vid utförande av endoskopisk retrograd kolangiopankreatografi (ERCP) (MAAGIE)

ERCP är en komplex interventionell endoskopisk procedur baserad på 2D-visualisering av gallvägarna. 3D-modellering och AI är lovande lösningar för att förbättra navigering och säkerhet under ERCP.

MAAGIE-projektet utformades för att skapa en av dessa innovativa lösningar och fick ANR-finansiering 2024. Det inkluderar flera arbetspaket, varav det första WP innebär att skapa en databas från bilddata av gallvägarna som redan samlats in under klinisk vård.

Huvudmålet med vår studie kommer att vara att utveckla och validera ett verktyg som möjliggör 3-dimensionell modellering av gallvägarna från preoperativa MRCP- och buk-CT-sekvenser, vilket tillåter bättre visualisering och förståelse av patienters gallanatomi före och under ERCP.

Detta är en bicentrisk retrospektiv studie baserad på bilddata insamlade under rutinvård. Patienter övervakades som en del av den vanliga vårdvägen för personer som genomgår ERCP i endoskopienheterna på Saint Antoine-sjukhuset eller Henri Mondor-sjukhuset för en gallrelaterad åkomma kopplad till en gallstriktur (godartad eller malign). Forskningen påverkar inte patienthanteringen på något sätt.

Det första steget kommer att innefatta identifiering av alla patienter som genomgick ERCP i endoskopienheterna på Saint Antoine-sjukhuset eller Mondor-sjukhuset för en gallrelaterad åkomma kopplad till en gallstriktur (godartad eller malign) och som hade både en MRCP och en buk-CT genomförd på bildavdelningarna på samma sjukhus, från 2020 till slutet av 2025.

Efter verifiering av urvalskriterier kommer ett specifikt informationsmeddelande om denna studie att skickas till dem. Om inget svar mottas inom en månad kan de insamlade uppgifterna återanvändas för forskningsändamål.

De insamlade bilddata kommer att stödja utveckling och validering av 3D-rekonstruktions-/registreringsprogramvara (3D-modellering av gallvägarna med matematiska algoritmer för medicinsk bildbehandling och artificiella intelligensnätverk applicerade på de inhämtade bilderna).

Pseudonymiserade data kommer att centraliseras under överinseende av Prof. Camus på en säker AP-HP-server, med en korrespondenstabell skapad för uppföljning, endast tillgänglig för Prof. Camus. I slutet av studien kommer data att överföras säkert till partnerorganisationerna för analys och verktygsutveckling. Alla dataöverföringar kommer att utföras med säkra, krypterade externa lagringsenheter enligt lokala AP-HP IT-avdelningens procedurer.

Datavolymen bestäms baserat på bildbehandlingskapacitet och mål för teknologisk utveckling. En datamängd på 100 patienter ger tillräcklig anatomisk variation för att träna och testa AI-modeller.

Ingen inferentiell statistisk analys är planerad. Verktygets prestanda kommer att utvärderas med bildkvalitetsmått (DSC, IoU) och lokaliseringsfelsindikatorer för algoritmerna. Slutligen kommer utbyten med projektpartner att stödja utvecklingen och valideringen av 3D-rekonstruktionsverktyget. Analysen kommer att utföras av partnerteamen på LIP6 och ISIR.