Voir le résumé
L'insuffisance rénale chronique (IRC) est considérée par l'organisation mondiale de la santé comme l'un des défis de santé publique les plus répandus. En France, elle touche près de 82 000 personnes et le nombre de patients atteints augmente de 2% chaque année. L'évaluation précise de la fonction et de la structure rénales reste essentielle dans le diagnostic et le pronostic de l'IRC. La fonction rénale a été couramment évaluée soit en estimant le taux de filtration glomérulaire (DFG), basé sur le taux de créatinine sérique, soit par biopsie invasive. D'autre part, l'imagerie avancée, y compris l'imagerie par résonance magnétique (IRM), l'élastographie par ultrasons (UE), la tomodensitométrie (CT) et la scintigraphie (TEP, SPECT), offre la possibilité de récupérer de manière non invasive des informations structurelles, fonctionnelles et moléculaires qui pourrait détecter des changements dans les propriétés et la fonctionnalité des tissus rénaux.
En plus de l'IRC, une autre maladie rénale est le cancer du rein. Le cancer du rein représente environ 2 à 3 % de tous les cancers, avec une augmentation de 2 % de l'incidence annuelle. Récemment, la tomographie par ordinateur (CT) en quatre phases est devenue l'approche standard pour l'examen des tumeurs rénales. L’hypernéphrome, la tumeur maligne du rein la plus courante compte pour 90 % des cancers du rein. Bien que 13 à 16% des masses réséquées soient bénignes, les masses rénales solides, à l'exception des angiomyolipomes bénins riches en graisse, sont généralement considérées comme malignes, ce qui nécessite une ablation chirurgicale. Ainsi, un sous-typage approprié de la tumeur rénale est d'une importance clinique car il affecte les résultats du traitement de la tumeur rénale et évite les interventions chirurgicales inutiles. De plus, le grade nucléaire des tumeurs cancéreuses est signalé comme un facteur important qui contribue au pronostic, car l'évaluation préopératoire précise de leurs agressivités peut aider à choisir la méthode d'intervention optimale.
Actuellement, la capacité de l'intelligence artificielle (IA) à transformer l'imagerie médicale conventionnelle en un outil de diagnostic entièrement automatisé est largement étudiée. En plus de l'analyse qualitative réalisée sur l'imagerie médicale rénale, l'analyse de la texture a été intégrée à des techniques d'apprentissage automatique en tant que quantification de l'hétérogénéité des tissus rénaux, fournissant un outil complémentaire prometteur pour la prédiction du déclin de la fonction rénale et l'identification des tumeurs rénales.
Le travail actuel vise à évaluer l'utilisation de l'analyse de texture intégrée à des modèles prédictifs d'apprentissage automatique dans trois applications différentes : la détection d'un dysfonctionnement rénal sur des images IRM fonctionnelles, l’identification du type de tumeur rénale et la prédiction du grade nucléaire du cancer du rein sur des images CT.
Les modèles prédictifs basés sur les textures se sont révélés prometteurs dans l'évaluation non invasive de la fonction rénale sur les images IRM (précision, sensibilité et AUC jusqu'à 98 %, 98 % et 1, respectivement). Ils ont montré d'excellentes performances en termes de discrimination des masses malignes des masses bénignes (précision, sensibilité et AUC jusqu'à 92 %, 97 % et 0,9, respectivement) et de sous-typage des lésions rénales malignes et bénignes (précision, sensibilité et ASC jusqu'à 95 %, 95 % et 1, respectivement) sur les coupes CT. Ils ont également pu différencier efficacement les grades tumoraux du cancer rénal (précision, sensibilité et AUC jusqu'à 100 %, 100 % et 1, respectivement). Le cadre proposé, qui est basé sur des textures et des modèles d'apprentissage automatique, a montré des résultats prometteurs dans la détection de l'IRC, le sous-typage des lésions rénales et l'identification du grade nucléaire. Il assistera les radiologues en situation clinique réelle en leur offrant un outil d'aide à la décision.