MONTRÉAL, le 27 février 2025 – L’imagerie par résonance magnétique (IRM) est un outil essentiel pour les cliniciennes et cliniciens, offrant des vues détaillées de l'intérieur du corps humain en plus de fournir des informations précieuses sur les conditions pathologiques. Cependant, la variabilité des protocoles d'acquisition des images entre les différents établissements pose des défis importants pour obtenir une interprétation cohérente et fiable, notamment dans des recherches multicentriques. Pour résoudre ce problème, une nouvelle étude réalisée en collaboration avec le Dr Gregory A. Lodygensky, clinicien-chercheur au CHU Sainte-Justine et professeur de clinique à l’Université de Montréal, les Professeurs-chercheurs Jose Dolz et Christian Desrosiers de l’École de technologie supérieure, propose de modifier les IRM provenant de différents hôpitaux pour qu'elles se ressemblent davantage, permettant ainsi une comparaison plus fiable et précise. Publiée dans Medical Image Analysis, une des revues les plus prestigieuses dans le domaine du traitement des images médicales, cette étude ouvre de nouvelles voies de collaboration promettant d'améliorer la précision et la cohérence des analyses d’IRM.

Le défi de l'harmonisation des IRM

L’harmonisation des résultats d’IRM est un enjeu central pour la recherche et pour la qualité des soins de santé. En effet, lorsque vient le moment de comparer les images obtenues avec celles de leurs collègues, chaque hôpital, clinique, ou institut de recherche a un style d’IRM particulier, selon le matériel, les protocoles d’imagerie et les paramètres utilisés. Cela entraîne des variabilités dans les contrastes, la luminosité et d’autres caractéristiques de l’image, et pose un obstacle important en recherche clinique lorsque les données de plusieurs centres de recherche sont regroupées.

La nouvelle méthode d’harmonisation développée par Farzad Beizaee, premier auteur de l’étude et doctorant, fait intervenir trois étapes clés : d’abord, on crée un modèle qui « apprend » la façon dont les images du domaine source (par exemple, des images IRM venant d'une machine particulière au CHU Sainte-Justine) sont organisées ou distribuées. Une fois que la distribution du domaine source est bien comprise, l'objectif est de « reformater » les IRM des autres centres pour éliminer les variations qui sont dues à des changements dans les paramètres ou à l’utilisation d’un autre appareil, tout en préservant les différences inhérentes au patient. Enfin, lorsque le modèle est utilisé sur de nouvelles images (par exemple, venant d'une machine inconnue), il doit s'adapter et s'assurer que les nouvelles images respectent toujours la distribution qu'il a apprise lors de la première étape.

Pour valider son modèle, l'équipe a testé cette nouvelle approche sur des images IRM du cerveau issues de bases de données aux États-Unis et d’un consortium d’imagerie néonatale bâti en collaboration avec des chercheurs en Australie. Ces données ont été utilisées pour effectuer deux tâches différentes : d'abord, pour segmenter les images du cerveau en différentes parties chez l'adulte et le nouveau-né afin de vérifier si la structure du cerveau restait cohérente avant et après l'harmonisation, et ensuite, pour estimer l'âge du cerveau chez des nouveau-nés. Les résultats ont mis en évidence la performance supérieure de cette technique par rapport aux méthodes d’harmonisation existantes, démontrant son adaptabilité pour diverses tâches et pour des groupes de populations variés. De façon notable, l’outil a été validé avec succès sur l’IRM du cerveau d’un nouveau-né présentant des lésions, une tâche que tous les autres modèles disponibles échouent puisqu’ils sont entraînés sur des images de cerveaux sains.

« Grâce à ce modèle, nous pouvons maintenant interpréter les données de plusieurs milliers de familles et d'enfants qui sont suivis dans différents centres hospitaliers et qui proviennent de scanners différents. L’analyse de ces grandes cohortes chez les enfants et chez les adultes était freinée par ce problème majeur d'harmonisation, qui est résolu aujourd'hui » précise le Dr Gregory A. Lodygensky. Les futures collaborations et recherches pourront explorer l'application de cette approche à plus grande échelle, ce qui facilitera la comparaison et l’analyse des données de recherche, et améliorera encore davantage la précision et la fiabilité des diagnostics médicaux.

Photo (de gauche à droite) : Dr Gregory A. Lodygensky, Jose Dolz, Farzad Beizaee et Christian Desrosiers © CHU Sainte-Justine