Acceleration of FLAIR imaging in Multiple Sclerosis using Deep Learning Reconstruction
Objectif(s) de la recherche et intérêt pour la santé publique
Finalité de l'étude
Objectifs poursuivis
Domaines médicaux investigués
Bénéfices attendus
La sclérose en plaques (SEP) est une maladie chronique auto-immune affectant le système nerveux central. Les manifestations cliniques sont variées : troubles visuels, troubles moteurs, ou encore troubles de la sensibilité.
L’exploration encéphalique des patients atteints de SEP permet d’évaluer l’évolution de la maladie. Elle est réalisée par IRM encéphalique, à une fréquence variable en fonction de la prise en charge thérapeutique, pouvant aller d’un contrôle itératif (parfois sur plusieurs années), en particulier pour les formes progressives, à des contrôles trimestriels dans le suivi thérapeutique de certaines classes médicamenteuses.
L’exploration en IRM de référence de la SEP repose sur l’utilisation de différentes séquences, dont les principales sont le 3D FLAIR et le 3D T1 post injection. Celles-ci permettent d’évaluer la charge lésionnelle, c’est-à-dire de rechercher l’apparition de nouvelles lésions ou l’augmentation du volume des lésions préexistantes sur la séquence 3D FLAIR, et/ou de nouvelles prises de contraste sur l’acquisition 3D T1 post injection.
Ces dernières années, de nouvelles méthodes d’acquisition ou de post-traitement de séquences sont apparues afin de permettre :
- Soit une accélération de l’acquisition pour une qualité d’image superposable,
- Soit une augmentation de la résolution spatiale pour un temps d’acquisition identique.
Cette étude cherche à déterminer si les séquences 3D FLAIR DLR sont aussi efficientes que les séquences classiques, sans ID, pour la détection lésionnelle dans le cadre de la SEP, et si elles sont dotées d’une qualité d’examen satisfaisante permettant une exploitation clinique normale pour un temps d’acquisition réduit.
Données utilisées
Catégories de données utilisées
Source de données utilisées
Autre(s) source(s) de donnée(s) mobilisée(s)
Appariement entre les sources de données mobilisées
Plateforme utilisée pour l'analyse des données
Acteurs finançant et participant à l'étude
Responsable(s) de traitement
Type de responsable de traitement 1
Responsable de traitement 1
Localisation du responsable de traitement 1
Représentant du responsable de traitement 1
Calendrier du projet
Durée de conservation aux fins du projet (en années)
15
Existence d'une prise de décision automatisée
Fondement juridique
Article 6 du RGPD (Licéité du traitement)
Article 9 du RGPD (Exception permettant de traiter des données de santé)
Transfert de données personnelles vers un pays hors UE
Droits des personnes
Information de sparticipants
- note d'information
- mention sur le portail de transparence du GHICL
Les droits des participants s'exercent auprès du DPO