French
English
Contexte
La caractérisation de la qualité musculaire est un enjeu important dans la décision de la stratégie opératoire des ruptures des tendons de la coiffe des rotateurs de l’épaule. L’imagerie quantitative en IRM, associée à l’étude morphologique grâce à des séquences mDixon, permet de mesurer la distribution de graisse dans les muscles et d’évaluer leur qualité. Plusieurs travaux ont montré que l’utilisation de la quantification objective par Dixon ou autres méthodes est plus fiable que les classifications visuelles traditionnelles comme celle de Goutallier (Horiuchi et al., 2017; Davis et al., 2019).
L’objectif de l’étude est de coupler les données quantitatives mesurées dans les muscles de la coiffe des rotateurs à la prise en charge et de les corréler à l’évolution clinique chez les patients opérés ou non. Des études récentes ont également défini des seuils de fraction graisseuse mesurés par Dixon, prédictifs d’échec chirurgical, confirmant l’intérêt pronostique de ces biomarqueurs (Feuerriegel et al., 2024).
Sujet du stage
Ce projet se concentre sur l’extraction de biomarqueurs radiologiques pertinents et de leur corrélation aux observations cliniques afin d’estimer les mesures de qualité des muscles des rotateurs. Un travail de préparation des données cliniques et démographiques, ainsi que des images sera nécessaire. Les biomarqueurs seront issus de régions anatomiques segmentées automatiquement. Des approches récentes utilisant l’intelligence artificielle permettent une segmentation 3D précise des muscles et de la graisse, ouvrant la voie à une automatisation fiable de ce type d’analyse (Riem et al., 2023). Il s'agira d'étudier les approches les plus adaptées à cette segmentation.
Pour réduire la quantité des biomarqueurs radiologiques et ainsi améliorer les chances de corrélation aux observations cliniques, une sélection de dimensions sera faite sur des critères cliniques issus de l’état de l’art et aussi au travers d’échanges entre experts cliniques et experts images. Les biomarqueurs seront corrélés à des informations sur les douleurs, les indices fonctionnels cliniques, les données de l’impédancemétrie, et sur l’évolution à 1 an évaluée de façon clinique. La combinaison d’approches IRM avancées, incluant Dixon multipoint et éventuellement des méthodes de diffusion comme le DTI, permet une meilleure caractérisation de l’intégrité musculaire et de son évolution (Kälin et al., 2019).
Objectifs du stage
Analyser l’état de l’art des méthodes de segmentation, de corrélation et d’extraction de biomarqueurs.
Analyser l’état de l’art des spécificités de la coiffe des rotateurs, notamment les critères de qualité et de risques.
Extraire les biomarqueurs des images IRM à partir des séquences disponibles et des régions anatomiques segmentées. Au besoin, améliorer (au sens de spécialiser) ces approches.
Étudier les approches de corrélation des informations issues de l’image et de la clinique. Optimiser les choix de méthodes et de biomarqueurs.
Quantifier les performances de l’approche pour estimer les critères de qualité.
Rédaction d’un article scientifique.
Il s’agit d’un travail de développements cliniques s’appuyant sur du traitement de données et d’images. La programmation s’effectuera en langage Python ou R, avec l’aide de librairies usuelles développées par des équipes travaillant dans le domaine de l’imagerie.
Perspectives
Ces développements pourraient ensuite être généralisés sur l’ensemble des patients avec des lésions de la coiffe des rotateurs pour mieux orienter les patients vers un traitement chirurgical ou de rééducation spécifique.
Le candidat
Ce stage s’adresse aux étudiants en master 2, ou 3ème année d'école d’ingénieur en IA, informatique, génie biomédical, ou connexe. Ce stage peut aussi convenir à un étudiant en médecine ayant des bonnes compétences en traitement numérique. De manières générale, de bonnes aptitudes à la programmation (statistique, étude de corrélation, automatisation de calculs), en traitement des images (extraction de caractéristiques, post-processing et segmentation) et aux méthodes d’apprentissage profond (utilisation de réseaux entrainés, inférences sur de nouvelles images) sont attendues. Des connaissances en imagerie médicale et sur la cliniques seront un plus.
Environnement
Le stage se déroulera à CREATIS et à l’Hôpital Lyon Sud des Hospices Civils de Lyon. Le stagiaire retenu rejoindra les équipes de recherche en traitement d’images (MYRIAD) et IRM (MAGICS) au sein du laboratoire CREATIS (https://www.creatis.insa-lyon.fr/site/fr). Le projet s'inscrit dans le cadre d'un projet collaboratif international avec des équipes des Hospices Civils de Lyon et le CHU de Genève en Suisse dont un des membres de l’équipe médicale sera présent sur les HCL pour l’année 2025-2026.
Le sujet de ce stage est prévu pour un travail d’une durée de 4 à 6 mois. La convention de stage prévoit une indemnité règlementaire.
L’encadrement
L'étudiant sera encadré par Jean-Baptiste Pialat (PUPH HCL/CREATIS) et Thomas Grenier (MCU INSA Lyon).
Informations
Pour postuler, remplir le formulaire avant le 5/01/26 : https://forms.gle/pjySTHdGVTJXwKLS6
Les candidatures retenues recevront une date d’entretien et un article scientifique à analyser. L’entretien portera entre autres sur l’analyse de l’article.
Références
1. Davis DL, Gilotra MN, Calderon R, Roberts A, Hasan SA. Quantification of shoulder muscle intramuscular fatty infiltration on T1-weighted MRI: a viable alternative to the Goutallier classification system. Skeletal Radiol. 2019;48(4):535-41. doi:10.1007/s00256-018-3057-7.
2. Feuerriegel GC, et al. Fat fractions of the rotator cuff muscles acquired with Dixon technique predict repair outcome. Invest Radiol. 2024;59(4):328-36. doi:10.1097/RLI.0000000000001024.
3. Kälin PS, et al. Quantitative MRI of visually intact rotator cuff muscles by multiecho Dixon-based fat quantification and diffusion tensor imaging. J Magn Reson Imaging. 2019;49(1):109-17. doi:10.1002/jmri.26223.
4. Horiuchi S, Nozaki T, Tasaki A, et al. Reliability of MR quantification of rotator cuff muscle fatty degeneration using a 2-point Dixon technique in comparison with the Goutallier classification: validation study by multiple readers. Acad Radiol. 2017;24(11):1343-51. doi:10.1016/j.acra.2017.03.026.
5. Riem L, et al. A Deep Learning Algorithm for Automatic 3D Segmentation of Rotator Cuff Muscle and Fat from Clinical MRI Scans. Radiol Artif Intell. 2023;5(2):e220132. doi:10.1148/ryai.220132.