Description

L'accident vasculaire cérébral (AVC) ischémique constitue l’une des principales causes de mortalité et d’invalidité à long terme dans le monde. Sa prise en charge clinique repose sur une caractérisation précise et dynamique des lésions à l’aide de l’imagerie médicale. Les protocoles traditionnels d’imagerie par résonance magnétique (IRM) utilisés pour le suivi de l’AVC adoptent une approche multiparamétrique, combinant des images anatomiques (telles que l’imagerie FLAIR et des séquences pondérées en T2) avec des images fonctionnelles (comme l’imagerie pondérée en diffusion et l’imagerie de perfusion). Ces stratégies d’imagerie sont ajustées en fonction du stade physiopathologique de la lésion — aigu, subaigu ou chronique — et visent à orienter les décisions thérapeutiques en délimitant l’infarctus cérébral, la pénombre ischémique et l’œdème environnant.
Les avancées récentes en IRM quantitative ont conduit au développement de l’IRM fingerprint (MRF), ainsi que de sa variante vasculaire, la MRF vasculaire. Ces techniques permettent une cartographie simultanée de plusieurs paramètres tissulaires et vasculaires, tels que les temps de relaxation T1 et T2, la densité de protons, le volume sanguin cérébral ou encore l’oxygénation vasculaire. Elles présentent un potentiel prometteur pour la quantification robuste et reproductible de biomarqueurs, en surmontant les limitations qualitatives de l’IRM conventionnelle.
Cependant, l’utilité clinique et préclinique de la MRvF dans l’imagerie de l’AVC reste largement inexplorée, notamment en ce qui concerne sa capacité à caractériser longitudinalement le microenvironnement lésionnel. De plus, la segmentation et l’interprétation des données multiparamétriques sont encore majoritairement réalisées manuellement par des experts, ce qui pose des problèmes de cohérence et de passage à l’échelle. Or, les méthodes d’intelligence artificielle émergentes, en particulier l’apprentissage profond, permettent désormais l’extraction automatisée de des caractéristiques complexes issues de l’imagerie, ouvrant la voie à une caractérisation fine des lésions (nécrose, pénombre, œdème vasogénique, etc.).

Sujet de thèse
Cette thèse a pour objectif de développer la technique MRvF pour le suivi automatique des AVC dans des modèles animaux précliniques. Le projet s’articulera autour de deux axes principaux :
• Évaluation et validation des protocoles MRvF : La fiabilité et la spécificité des protocoles MRvF dans le contexte de l’imagerie de l’AVC seront établies par comparaison avec les techniques d’IRM multiparamétriques conventionnelles et seront validées par des analyses histopathologiques ex vivo.
• Application à la caractérisation longitudinale de l’AVC : Une fois validée, l’approche MRvF sera appliquée au suivi de l’évolution des lésions ischémiques à travers les différents stades physiopathologiques (aigu, subaigu, chronique). Cela inclura la quantification automatisée in vivo de paramètres tissulaires spécifiques afin de permettre une caractérisation dynamique et objective de l’évolution lésionnelle dans le temps.

Compétences requises

Qualifications requises - Master (ou équivalent) en ingénierie biomédicale ou en imagerie médicale. - Expérience pratique des IRM (préclinique ou clinique). - Maîtrise de l'analyse quantitative des données et de la validation statistique. - Maîtrise d’outils de traitement d'images et d'analyse de données (par exemple MATLAB, Python, FSL ou équivalent). - Capacité à travailler efficacement dans des environnements de recherche interdisciplinaires et collaboratifs. Qualifications souhaitées - Expérience en IA appliquée à l'imagerie médicale. - familiarisé avec les modèles précliniques d'AVC et les protocoles d'expérimentation animale. - Connaissance de base des techniques histologiques pour la validation ex vivo. - Compétences en matière de rédaction et de communication scientifiques (par exemple, rédaction de manuscrits, de rapports ou de présentations).

Bibliographie

'MR Fingerprinting for Imaging Brain Hemodynamics and Oxygenation'.
Coudert T, Delphin A, Barrier A, Barbier EL, Lemasson B, Warnking JM, Christen T.
J Magn Reson Imaging. 2025 May 15. doi: 10.1002/jmri.29812. Online ahead of print.
PMID: 40375492 Review.

MR Vascular Fingerprinting in Stroke and Brain Tumors Models.
Lemasson B, Pannetier N, Coquery N, Boisserand LSB, Collomb N, Schuff N, Moseley M, Zaharchuk G, Barbier EL, Christen T

Mots clés

MRI, AVC, MRfingerprint, modèle animal