L’imagerie par résonance magnétique (IRM) peut-elle révolutionner l’analyse de la composition corporelle ?
L’obésité est un problème de santé mondial. Les médecins cherchent des moyens précis pour évaluer les risques liés à cette condition. L’imagerie par résonance magnétique (IRM) de l’abdomen supérieur est devenue un outil clé. Elle permet de mesurer la graisse dans le foie et l’abdomen. Ces mesures sont essentielles pour comprendre les risques et guider les traitements. Mais comment cette technologie fonctionne-t-elle ? Et comment l’intelligence artificielle (IA) peut-elle l’améliorer ?
Pourquoi l’IRM est-elle si utile ?
L’IRM utilise des champs magnétiques pour créer des images détaillées du corps. Pour l’obésité, elle est particulièrement utile pour mesurer deux choses : la graisse dans le foie (appelée PDFF) et la graisse abdominale. Ces mesures aident les médecins à évaluer les risques de maladies comme le diabète de type 2 ou le syndrome métabolique. Elles peuvent aussi guider les décisions pour des interventions chirurgicales, comme la chirurgie bariatrique.
Cependant, l’analyse manuelle de ces images est longue et complexe. C’est là que l’intelligence artificielle entre en jeu. L’IA peut automatiser ces analyses, mais elle a besoin d’images de haute qualité et de normes claires pour fonctionner correctement.
Comment préparer un patient pour une IRM ?
La préparation du patient est cruciale. Avant l’examen, le patient doit être à jeun. Tous les objets métalliques doivent être retirés. Pour les personnes en surpoids, un appareil IRM avec un large tunnel est préférable. Les médecins doivent aussi évaluer si le patient peut rester immobile pendant l’examen. Les mouvements peuvent rendre les images floues.
Quels sont les paramètres idéaux pour l’IRM ?
Pour obtenir des images de qualité, les médecins utilisent des appareils IRM de 1,5 ou 3,0 Tesla. Une technique appelée imagerie Dixon est souvent utilisée. Elle permet de créer des images en 3D de haute résolution. Pour mesurer la graisse abdominale, l’image au niveau de la première et deuxième vertèbre lombaire (L1–L2) est la meilleure. Si l’appareil ne peut pas faire l’imagerie Dixon, une autre méthode appelée double écho est une alternative.
Quelle est la qualité d’image nécessaire pour l’IA ?
L’IA a besoin d’images très précises. Elles doivent être similaires à celles utilisées pour le diagnostic clinique. Les images sont sauvegardées dans un format spécial appelé DICOM. Ce format conserve des informations importantes, comme l’épaisseur des coupes. Les images avec des artefacts (erreurs visuelles) ne sont pas utilisables.
Pour mesurer la graisse dans le foie, l’IA doit d’abord reconnaître les contours du foie. C’est plus facile si le patient a une stéatose hépatique (graisse dans le foie) de grade 2 ou plus. Pour les grades inférieurs, l’IA peut avoir des difficultés.
Pour la graisse abdominale, l’image doit couvrir toute la peau de l’abdomen. Cela permet de mesurer la graisse sous-cutanée (sous la peau). La graisse viscérale (autour des organes) peut aussi être mesurée.
Comment annoter les images pour l’IA ?
L’annotation est une étape clé. Pour la graisse dans le foie, toute la partie du foie doit être incluse dans la zone annotée. Les vaisseaux sanguins, les lésions locales et les artefacts doivent être évités. L’IA peut ensuite calculer la valeur moyenne de PDFF pour cette zone.
Pour la graisse abdominale, la graisse viscérale et sous-cutanée peut être identifiée et marquée. L’IA peut aussi analyser d’autres zones, comme les muscles. Les images peuvent être annotées automatiquement par l’IA ou manuellement avec un logiciel comme ITK-SNAP.
Comment gérer les données pour la recherche ?
La gestion des données est essentielle pour la recherche et le suivi clinique. Il est recommandé de créer une base de données pour stocker les images IRM et les informations cliniques. Une base de données standardisée, comme la « Greater China Metabolic and Bariatric Surgery Database » (GC-MBD), est un bon exemple. Elle contient déjà des données de plus de 10 000 cas.
Cette base de données doit être gérée par un comité qui vérifie la qualité des informations. Une équipe multidisciplinaire doit se mettre d’accord sur les variables à inclure, comme les informations démographiques, les tests de laboratoire, les valeurs de PDFF, et les volumes de graisse viscérale et sous-cutanée. Les images IRM doivent aussi être téléchargées dans un format DICOM.
Avant d’entrer les données, les participants doivent être formés. Le gestionnaire de la base de données doit vérifier l’authenticité, l’exactitude et l’intégrité des informations. Toute modification doit être enregistrée. Après vérification, les données sont verrouillées pour éviter les changements.
Conclusion
L’IRM de l’abdomen supérieur est un outil puissant pour analyser la composition corporelle. Avec l’aide de l’IA, elle peut devenir encore plus précise et efficace. Mais pour que cela fonctionne, il faut des normes claires pour l’acquisition des images, leur annotation et la gestion des données. Ces normes aideront à améliorer la recherche et les soins cliniques pour les patients souffrant d’obésité et de ses complications.
For educational purposes only.
doi.org/10.1097/CM9.0000000000002002