Sujet de Thèse
Titre :
Développement d'un outil d'assistance à la chirurgie éveillée des tumeurs cérébrales basé sur des méthodes d'apprentissage statistique
Dates :
2024/10/01 - 2027/09/30
Autre(s) encadrant(s) :
Dr MEZIERES Sophie (sophie.mezieres@univ-lorraine.fr)
Description :
Contexte

Les gliomes diffus de bas grade sont des tumeurs cérébrales infiltrantes dont l'évolution se fait systématiquement vers la transformation anaplasique. La stratégie thérapeutique consiste à diminuer le volume tumoral pour limiter ce risque de transformation et augmenter la survie. La chirurgie est le traitement de première intention. Etant donné le fait que ces tumeurs infiltrent les structures fonctionnelles cérébrales, comme nous l'avons déjà démontré, la chirurgie doit être réalisée en condition éveillée, avec une participation active du patient pendant que des stimulations électriques cérébrales sont réalisées pour identifier les structures fonctionnelles. Ces chirurgies offrent un bénéfice en termes de qualité d'exérèse et de préservation des fonctions cérébrales.
Toutefois, des variations progressives dans les performances des patients peuvent être observées au cours de la chirurgie, de même que certains troubles fins (ex : délai de réalisation du test), difficilement appréhendables par l'évaluateur mais avec d'éventuelles conséquences postopératoires.
A Nancy, ces chirurgies sont filmées afin de pouvoir revenir sur d'éventuels troubles per ou postopératoires et comprendre le rôle des structures cérébrales stimulées. Ces données vidéos seront exploitées dans le cadre de cette thèse.

Description du sujet

L'objectif principal de ce sujet est de développer un outil d'assistance à la chirurgie éveillée basée sur des méthodes d'apprentissage statistique. Cet outil devra permettre de mieux identifier des troubles fins pendant la chirurgie, impossibles ou difficilement évaluables par l'humain, afin de mieux organiser le geste (détection d'éventuels « points de bascule » au-delà desquels le patient n'est plus performant) ou de le stopper (détection d'altérations en général minimes mais qui dans le contexte socio-professionnel du patient auront des conséquences délétères sur sa qualité de vie). Un objectif secondaire est la réalisation, basé sur les mêmes méthodes, d'un outil permettant de détecter les phases opératoires afin de réaliser des corrélations structures-fonctions adaptées (détection de la zone stimulée sur la vidéo et de l'anomalie comportementale avec enregistrement).


Les deux principales questions scientifiques que nous souhaitons traiter dans cette thèse sont :
• Comment détecter, analyser et enregistrer les réponses (motricité, parole) du patient à différentes stimulations au cours de la chirurgie, de façon automatique ?
• Les anomalies fines mises en évidence permettent-elles d'extraire des variables prédictives de l'état neurocognitif à court et long terme ?


S'agissant de la première question, la procédure actuelle de chirurgie éveillée n'est pas automatisée. La prise de notes des évènements liés à la stimulation est manuelle, donc imprécise, voire impossible pour certains paramètres fins, notamment de chronométrie L'interprétation de ces évènements pendant la chirurgie et lors du suivi post-opératoire est à la fois très importante et chronophage. Malgré des données vidéos disponibles, elle reste difficilement réalisable compte tenu de la longueur de la phase éveillée à analyser (2 à 3 heures)
Grâce à l'apport de l'intelligence artificielle, et en particulier du deep learning, nous proposons d'automatiser une partie de la procédure d'analyse des réponses à la stimulation, par le biais d'algorithmes de reconnaissance de mouvement et de reconnaissance vocale que nous transposerons aux conditions de la chirurgie éveillée. Cette approche nous permettra de mesurer de nouveaux paramètres jusqu'ici inexplorés, par exemple les variations de vitesse des mouvements au cours de l'intervention ou les temps de réponse...Elle permettra aussi d'identifier dans une vidéo off-line les moments-clés concernant une fonction ou une structure pour optimiser la procédure ultérieurement et d'établir des corrélations anatomo-fonctionnelles.

L'acquisition de ces données et leur identification précise devra permettre de répondre à la seconde question en les corrélant au devenir cognitif à court et long termes des patients. Ce retour pourrait permettre de définir en peropératoire des indicateurs de risque cognitif à long terme. Cette question n'ayant à notre connaissance pas encore était traitée, elle est exploratoire mais d'intérêt majeur pour la qualité de vie des patients à l'issue de l'intervention. De tels indicateurs pourraient permettre de définir un modèle peropératoire prédictif du risque de détérioration cognitive à long terme sur des fonctions difficiles à tester telles que la mémoire de travail, la flexibilité, l'attention ou la concentration par exemple.

Les travaux relatifs aux deux questions scientifiques énoncées devraient conduire à la mise au point d'un outil d'assistance au chirurgien lors des chirurgies éveillées et à une meilleure connaissance du fonctionnement cérébral.

Positionnement

Actuellement les chirurgies éveillées sont réalisées à des degrés divers dans la plupart des centres de neurochirurgie. L'activité à Nancy est particulièrement importante du fait du recrutement dans la région et du niveau scientifique concernant cette thématique, et grâce à des collaborations historiques avec le centre de référence international du CHU de Montpellier (équipe du Pr. H. Duffau). Dans la plupart des centres qui en réalisent de façon importante, comme c'est le cas également à l'hôpital Lariboisière à Paris (équipe du Pr. E.Mandonnet), elles sont enregistrées mais les données vidéos sont difficilement exploitables par manque d'outils permettant d'identifier les phases importantes de façon automatique. L'objectif de ce travail est de palier à cette difficulté majeure.


Travail demandé

Le travail demandé inclura un état de l'art sur :
- les gliomes de bas grade et la chirurgie en condition éveillée ;
- les techniques d'IA de type deep learning ;
- les méthodes d'apprentissage statistique (non supervisées et supervisées)
S'en suivra le développement de modèles adaptés aux contraintes de la chirurgie éveillée pour alimenter les algorithmes de deep learning afin de construire un outil de reconnaissance automatique de mouvement, de parole.
Il s'agira ensuite de tenter de corréler les variables acquises au devenir postopératoire à court et long terme à l'aide des évaluations cognitives pré et postopératoires.
Mots clés :
deep learning, modélisation, traitement d'images et de vidéos, apprentissage statistique
Conditions :
3 ans
CRAN Faculté de Médecine
contrat doctoral
profil attendu : master 2 recherche ayant des compétences en traitement d'images/vidéos, apprentissage statistique, informatique, mathématiques appliquées et si possible une expérience dans le domaine biomédical.
Département(s) : 
Biologie, Signaux et Systèmes en Cancérologie et Neurosciences
Financement :
contrat doctoral