Guide de pratique clinique pour l’évaluation de la composition corporelle basée sur des images de résonance magnétique abdominale supérieure annotées à l’aide de l’intelligence artificielle
L’imagerie par résonance magnétique (IRM) abdominale supérieure s’est imposée comme un outil très efficace pour l’analyse de la composition corporelle, en particulier chez les individus atteints d’obésité. Cette modalité d’imagerie est inestimable pour quantifier la fraction de densité de protons hépatique (PDFF) et le tissu adipeux abdominal, qui sont essentiels pour l’évaluation clinique et la recherche sur les risques liés à l’obésité. Les résultats analytiques dérivés de l’IRM peuvent guider la sélection des procédures chirurgicales optimales et évaluer les résultats des traitements. Cependant, le développement et l’application d’algorithmes d’intelligence artificielle (IA) pour la mesure automatisée de la composition corporelle font face à des défis importants, principalement en raison de la qualité inégale des images IRM. Ce guide vise à standardiser les processus d’acquisition, d’utilisation et de stockage des données pour les systèmes d’IA ciblant la quantification automatique de la composition corporelle, favorisant ainsi le développement et l’application de ces technologies.
Ce guide est conçu pour les chirurgiens, les chercheurs cliniques et les radiologues qui se concentrent sur l’analyse de la composition corporelle et les sujets liés à l’obésité tels que le diabète de type 2, le syndrome métabolique et la chirurgie bariatrique. Il met l’accent sur l’importance de normes uniformes pour l’acquisition et la gestion des données cliniques afin de garantir des images IRM de haute qualité pour l’analyse par IA. Le guide couvre plusieurs aspects clés, notamment la préparation des sujets, la configuration des paramètres IRM, l’évaluation de la qualité des images, les normes d’annotation et la gestion des bases de données.
La préparation des sujets est une étape cruciale pour garantir la qualité des images IRM. Les patients doivent être à jeun avant l’IRM, et tous les objets métalliques doivent être retirés. Pour les sujets en surpoids avec une grande circonférence abdominale, un équipement IRM à large ouverture est préférable. Les cliniciens doivent soigneusement évaluer la faisabilité de l’examen IRM abdominal supérieur pour les patients pesant plus de 125 kg, car l’ouverture peut ne pas être suffisamment large pour accueillir l’abdomen, et le patient peut avoir des difficultés à retenir sa respiration, entraînant des artefacts de mouvement significatifs.
La configuration des paramètres IRM est un autre facteur crucial pour obtenir des images de haute qualité. Un appareil IRM de 3,0 T ou 1,5 T est préférable pour l’acquisition des données. Les paramètres standard pour l’examen IRM pour l’analyse par IA incluent l’utilisation de la PDFF, une mesure fiable pour évaluer la stéatose hépatique, et l’imagerie Dixon, qui fournit des images tridimensionnelles à haute résolution. L’image de graisse au niveau axial du disque intervertébral lombaire 1 à lombaire 2 (L1–L2) est considérée comme le meilleur choix pour quantifier le tissu adipeux. Si un appareil IRM de 1,5 T ne peut pas effectuer l’imagerie Dixon tridimensionnelle, une numérisation à double écho est une alternative.
La disponibilité des images IRM pour la quantification par IA dépend de la qualité des images, qui doit être similaire à celle requise pour le diagnostic clinique. Toutes les images acquises doivent être enregistrées au format Digital Imaging and Communications in Medicine (DICOM) pour préserver des informations importantes telles que l’épaisseur des tranches. Les images avec des artefacts significatifs sont jugées inacceptables. La qualité d’image requise pour la quantification de la PDFF est généralement élevée, car la première étape de l’analyse par IA est de reconnaître la marge du parenchyme hépatique. Pour les patients atteints de stéatose hépatique de grade supérieur à 2 (PDFF >17,4%), l’intensité du signal du parenchyme hépatique est significativement plus élevée que celle des vaisseaux et des organes adjacents, rendant la marge relativement facile à reconnaître pour le système d’IA. Cependant, pour les patients atteints de stéatose hépatique de grade 1 (6,4% < PDFF ≤ 17,4%) ou sans stéatose hépatique (PDFF ≤6,4%), l'annotation par IA peut être imprécise ou échouer complètement.
La qualité d’image requise pour la quantification du tissu adipeux abdominal est également critique. Une image de séquence Dixon de graisse au niveau axial du disque intervertébral L1–L2 peut être utilisée à cette fin. Il est essentiel de couvrir la peau de l’abdomen pour mesurer le tissu adipeux sous-cutané (SAT). Les principes et exemples de différents degrés de qualité d’image sont fournis pour guider les cliniciens dans l’évaluation de la pertinence des images pour l’analyse par IA.
Les normes d’annotation sont essentielles pour une analyse précise par IA. Pour la quantification de la PDFF, tout le parenchyme hépatique doit être inclus dans la zone annotée, tandis que les gros vaisseaux, les lésions locales, les régions au-delà de la marge du foie et les artefacts d’imagerie doivent être évités. La valeur moyenne de la PDFF peut être calculée en faisant la moyenne des valeurs de tous les voxels inclus dans la région d’intérêt. Les systèmes d’IA sont en cours de développement pour enregistrer les valeurs des différents segments hépatiques, car la valeur de la PDFF et son changement après la chirurgie bariatrique varient dans différentes parties du foie.
Pour la quantification du tissu adipeux abdominal, le tissu adipeux viscéral (VAT) et le SAT peuvent être reconnus et étiquetés. Différentes régions d’intérêt, telles que les muscles, peuvent également être définies pour l’analyse. Les images peuvent être étiquetées automatiquement à l’aide de l’IA ou manuellement à l’aide du logiciel ITK-SNAP. Comme une seule tranche d’une image IRM est volumétrique, la valeur acquise après étiquetage est influencée par l’épaisseur de la tranche, et le volume est calculé en conséquence.
La gestion des bases de données est cruciale pour le suivi clinique et la recherche. Il est recommandé de mettre en place une base de données pour gérer les données cliniques et les images IRM. Les données cliniques et radiologiques doivent être enregistrées dans une base de données standardisée, telle que la « Greater China Metabolic and Bariatric Surgery Database » (GC-MBD), où les données de plus de 10 000 cas ont été enregistrées. La base de données a besoin d’un comité pour organiser des réunions régulières afin de discuter des questions relatives au contrôle de la qualité. Une équipe multidisciplinaire doit parvenir à un consensus sur les variables de la base de données, y compris les informations démographiques structurées, les tests de laboratoire, les valeurs de PDFF, les valeurs de VAT et de SAT, les informations sur les échantillons biologiques et les enregistrements des événements indésirables. Les images IRM abdominales supérieures au format DICOM doivent également être téléchargées. Avant l’entrée des données, les principaux participants doivent suivre une formation, et le gestionnaire de la base de données doit vérifier et valider l’authenticité, l’exactitude et l’intégrité de toutes les informations. Les traces de modification des données doivent être enregistrées dans le système, et après vérification, les données doivent être verrouillées.
En conclusion, ce guide met en évidence trois points clés dans l’analyse par IA de la composition corporelle à l’aide d’images IRM abdominales supérieures : des normes uniformes d’acquisition des données, l’annotation des images et la gestion des bases de données. En standardisant ces processus, le guide vise à promouvoir le développement et l’application des systèmes d’IA pour la quantification automatique de la PDFF et du tissu adipeux abdominal, améliorant ainsi l’évaluation clinique et la recherche sur les risques liés à l’obésité.
doi.org/10.1097/CM9.0000000000002002