Les Manifestations de la Maladie des Petits Vaisseaux Cérébraux en Imagerie par Résonance Magnétique : Quantification Automatisée et Applications Cliniques
La maladie des petits vaisseaux cérébraux (MPVC) est une affection qui touche les minuscules vaisseaux sanguins du cerveau, entraînant des anomalies visibles sur les images cérébrales. Ces anomalies, telles que les infarctus sous-corticaux récents, les lacunes, les hyperintensités de la substance blanche, les espaces périvasculaires, les microsaignements cérébraux et l’atrophie cérébrale, sont associées à des conséquences cliniques graves, comme les troubles cognitifs, les accidents vasculaires cérébraux (AVC) et la démence. Avec les avancées technologiques en imagerie cérébrale, les méthodes de quantification automatisée de ces anomalies deviennent essentielles pour la recherche et la pratique clinique. Cet article explore les progrès récents dans ce domaine, leur pertinence clinique et leur potentiel dans les essais cliniques.
Introduction
La MPVC est une cause majeure de démence vasculaire ou mixte et est responsable d’au moins 20 % des AVC dans le monde. Les anomalies visibles sur les images cérébrales, comme les infarctus sous-corticaux récents, les hyperintensités de la substance blanche, les lacunes, les espaces périvasculaires, les microsaignements cérébraux et l’atrophie cérébrale, sont détectables par imagerie par résonance magnétique (IRM). Ces anomalies ont des conséquences cliniques variées. Les méthodes de quantification automatisée améliorent l’efficacité et la reproductibilité de l’analyse des images cérébrales. Cet article examine les progrès récents dans la quantification automatisée des anomalies de la MPVC, leurs implications cliniques et leur utilisation potentielle dans les essais cliniques.
Quantification Automatisée des Anomalies de la MPVC en IRM
Infarctus Sous-Corticaux Récents (ISCR)
Les ISCR, également appelés AVC lacunaires, sont des infarctus récents dans le territoire d’une artère perforante, causant environ 25 % des AVC ischémiques. Sur les images IRM, les ISCR apparaissent comme des zones hyperintenses sur les séquences de diffusion. Traditionnellement, leur quantification reposait sur l’inspection visuelle ou le tracé manuel. Cependant, les méthodes automatisées, notamment celles utilisant l’apprentissage profond, montrent des résultats prometteurs. Par exemple, une étude a utilisé un réseau de neurones convolutifs (CNN) pour segmenter les lésions ischémiques aiguës, obtenant un coefficient de Dice (DSC) de 79,13 % et une précision de 92,67 %.
Hyperintensités de la Substance Blanche (HSB)
Les HSB sont des zones hyperintenses visibles sur les séquences IRM FLAIR et T2. L’échelle de Fazekas est couramment utilisée pour évaluer les HSB, les classant en HSB périventriculaires et profondes. Les méthodes de quantification automatisée des HSB incluent des approches non supervisées (basées sur l’intensité) et supervisées (utilisant des annotations manuelles comme référence). Les méthodes d’apprentissage profond, comme les CNN, ont atteint un DSC allant jusqu’à 0,80. La performance de ces méthodes varie en fonction de la charge lésionnelle, avec de meilleurs résultats chez les patients ayant une charge élevée de HSB.
Lacunes
Les lacunes sont des cavités rondes ou ovales remplies de liquide, visibles sur les images IRM. Elles apparaissent comme des zones hypointenses sur les séquences T1 et FLAIR, et hyperintenses sur les séquences T2. Les méthodes automatisées pour la détection des lacunes sont limitées, mais les approches d’apprentissage profond montrent des résultats encourageants. Par exemple, une étude a utilisé un CNN pour détecter les lacunes, obtenant une sensibilité de 97,4 % avec 0,13 faux positifs par coupe.
Microsaignements Cérébraux (MC)
Les MC sont de petites zones de signal vide sur les séquences IRM T2* ou SWI. Les méthodes de détection automatisée ont évolué des approches morphologiques aux méthodes basées sur l’apprentissage profond. Une étude a utilisé un CNN 3D pour détecter les MC, obtenant une sensibilité de 93,16 % et une précision de 44,31 %. L’utilisation d’images SWI à 7T peut améliorer la précision, mais ces techniques sont moins accessibles en pratique clinique.
Espaces Périvasculaires (EPV)
Les EPV, ou espaces de Virchow-Robin, sont des espaces remplis de liquide qui suivent les vaisseaux sanguins cérébraux. Les EPV élargis deviennent plus visibles avec l’âge et sont associés à d’autres anomalies de la MPVC. La quantification automatisée des EPV est difficile en raison de leur petite taille et de leur apparence variable. Certaines études ont utilisé des méthodes d’apprentissage profond pour segmenter les EPV, obtenant un DSC de 0,73.
Atrophie Cérébrale
L’atrophie cérébrale peut être évaluée dans des régions spécifiques du cerveau, comme l’hippocampe ou le thalamus. Les méthodes de segmentation automatisée pour l’atrophie cérébrale incluent la segmentation des tissus (substance blanche, substance grise, liquide céphalo-rachidien) et des structures anatomiques. Les méthodes d’apprentissage profond ont atteint des DSC de 0,85 à 0,90 pour diverses structures cérébrales.
Pertinence Clinique des Anomalies de la MPVC
Infarctus Sous-Corticaux Récents (ISCR)
Les ISCR sont souvent symptomatiques et peuvent évoluer en lacunes ou rester comme des HSB non cavitées. Ils sont associés à des troubles moteurs et cognitifs, selon leur localisation. Le taux de mortalité initial et de récidive d’AVC est faible, et la plupart des patients récupèrent bien dans les premières semaines.
Hyperintensités de la Substance Blanche (HSB)
Les HSB sont associées à des troubles cognitifs, la démence et la récidive d’AVC. Elles contribuent également aux schémas d’atrophie cérébrale observés dans la maladie d’Alzheimer. La localisation et la forme des HSB influencent leur impact clinique.
Microsaignements Cérébraux (MC)
Les MC sont associés à un déclin cognitif et à un risque accru de démence. Le nombre et la localisation des MC, en particulier dans les régions profondes, sont des prédicteurs importants de troubles cognitifs. Chez les patients ayant subi un AVC, un nombre élevé de MC est associé à un risque accru d’hémorragie intracrânienne récurrente.
Lacunes
Les lacunes, qu’elles soient symptomatiques ou silencieuses, sont associées à des troubles cognitifs et à un risque accru d’AVC et de démence. La localisation des lacunes, en particulier dans le thalamus et les ganglions de la base, est importante pour prédire la dépression post-AVC et le déclin cognitif.
Espaces Périvasculaires (EPV)
Les EPV élargis sont associés à un déclin cognitif, une récidive d’AVC et une dépression post-AVC. La localisation des EPV, en particulier dans le centre semi-ovale ou les ganglions de la base, est importante pour différencier la maladie d’Alzheimer et la démence vasculaire sous-corticale.
Atrophie Cérébrale
L’atrophie cérébrale est associée à des troubles cognitifs et à la démence. L’atrophie régionale, comme celle de l’hippocampe, est un biomarqueur important de la maladie d’Alzheimer. L’atrophie cérébrale est également associée à d’autres anomalies de la MPVC.
Utilisation dans les Essais Cliniques
Les anomalies de la MPVC sont utilisées comme critères d’évaluation dans les essais cliniques pour suivre la progression de la maladie et évaluer l’efficacité des interventions. Les HSB sont les plus couramment utilisées, suivies de l’atrophie cérébrale, des MC et des lacunes. Les EPV n’ont pas encore été utilisés en raison de résultats inconsistants et du manque d’outils de quantification robustes. Les ISCR sont principalement utilisés dans les essais visant à prévenir les AVC plutôt que la progression de la MPVC.
Impact des Avancées en Imagerie Cérébrale sur la MPVC
Les techniques avancées d’imagerie cérébrale et les méthodes de quantification automatisée ont amélioré notre compréhension des mécanismes et du pronostic de la MPVC. Par exemple, l’association topographique entre les lacunes et les HSB suggère une pathophysiologie commune. Les méthodes automatisées ont également permis de développer des métriques plus complexes pour les anomalies de la MPVC, améliorant la sensibilité de la détection des associations entre ces anomalies et les résultats cliniques.
Conclusion
Les méthodes de quantification automatisée des anomalies de la MPVC ont considérablement progressé, en particulier grâce à l’apprentissage profond. Ces méthodes fournissent des informations volumétriques et localisées essentielles pour comprendre les mécanismes de la MPVC et améliorer le pronostic. Cependant, il existe encore un écart entre le développement de ces méthodes et leur application en pratique clinique. Des outils automatisés bien validés et faciles à utiliser sont nécessaires pour faciliter leur traduction en pratique clinique.
For educational purposes only.
doi.org/10.1097/CM9.0000000000001299