Estimation automatisée et fiable de la taille à partir de données scanners grâce à des algorithmes d’intelligence artificielle – Étude pilote. – Etude TAILLE-PILOTE

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

La dénutrition caractérisée par une diminution des apports caloriques et protéiques est sous-diagnostiquée. Son identification repose sur des critères phénotypiques (diminution de l’IMC, perte de poids, réduction de la masse/fonction musculaire) et étiologiques (situations d’agression liée à une pathologie, hospitalisation etc). L’évaluation de la masse musculaire est particulièrement pertinente chez certains patients, notamment en cas obésité. Parmi les méthodes recommandées, la détermination de l’index de surface musculaire (ISM) à partir d’un scanner au niveau de L3 (troisième vertèbre lombaire) est privilégiée. L’ISM, calculé en rapportant la surface musculaire à la taille au carré, nécessite toutefois une mesure fiable de la taille. En pratique, cette donnée est souvent absente des dossiers médicaux ou imprécise, car généralement autodéclarée plutôt que mesurée. Une étude en pré-chirurgie a mis en évidence des écarts importants entre les tailles mesurées et déclarées, allant de -9 cm à +10 cm. De plus, mesurer la taille n’est pas toujours possible pour certains patients (sédation, alitement). Les méthodes classiques d’estimation de la taille, comme celle de Chumlea (distance talon-genou) montrent des performances limitées, nécessitant des alternatives. Dans le domaine médico-légal, des études suggèrent que la taille pourrait être estimée à partir des vertèbres, notamment la vertèbre L3. Cependant, les équations classiques basées sur des métriques issus de ces vertèbres telle que la hauteur du corps vertébral présentent des performances limitées. Les algorithmes d’intelligence artificielle (IA), grâce à l’apprentissage supervisé, offrent l’opportunité d’améliorer les modèles de prédiction. Une étude récente a ainsi démontré la possibilité d’estimer la taille à partir de scanners chez des enfants et jeunes adultes. Aussi, nous émettons l’hypothèse qu’il est possible, dans une population de sujets adultes, d’estimer automatiquement la taille à partir des données de scanners. Par ailleurs, nous souhaitons étudier dans cette cohorte la concordance entre la surface musculaire déterminée automatiquement sur une coupe de scanner en L3 et la mesure de la masse non grasse, et d’autres métriques, en impédancemétrie, méthode la plus utilisée en routine clinique.