Sites Inria

English version

Sciences numériques

3/04/2014

Leçon inaugurale de Nicholas Ayache au collège de France

L'image représente une tête composée de multiples images médicales. © Inria - Asclepios

Nicholas Ayache a donné sa leçon inaugurale au Collège de France le jeudi 10 avril 2014 à 18h. Le cours, portant sur l'imagerie médicale computationnelle, s'intitule « Le patient numérique personnalisé : images, médecine, informatique »

Nicholas Ayache est le nouveau titulaire de la chaire « Informatique et sciences numériques » au Collège de France. Ce cours s’intitule « Le patient numérique personnalisé : images, médecine, informatique  ». A cette occasion, il présentera certaines des recherches les plus avancées en imagerie médicale computationnelle.

Ce jeune champ de recherche, à la croisée de l'informatique, des sciences numériques et de la médecine, a pour objectif de concevoir et développer des logiciels de traitement informatique des images médicales pour assister le médecin dans sa pratique clinique. Ces logiciels visent notamment à enrichir le diagnostic en extrayant, à partir d’images médicales, des informations objectives et cliniquement utiles. Ils visent également à assister la pratique thérapeutique avec des algorithmes de planification et de simulation appliqués à un modèle numérique du patient.

L’essor des images médicales

Divergence du flux de déformation dans l’évolution de la maladie d’Alzheimer: la couleur représente les régions changeant de volume. - © Inria - Asclepios

Les images médicales sont aujourd’hui omniprésentes dans la pratique médicale courante et hospitalière. Outre les radiographies, quatre grandes modalités d’imagerie sont couramment utilisées : le scanner, l’IRM, l’échographie, ou la scintigraphie1. Les images produites par ces quatre modalités sont volumiques : elles fournissent en chaque point du corps humain des informations mesurées dans un petit élément de volume appelé voxel , l’extension volumique du pixel .

Il existe d’autres modalités d’imagerie du corps humain, et de nouvelles techniques émergent régulièrement. Citons par exemple l’élastographie2 qui permet de mesurer l’élasticité des tissus à partir d’IRM ou d’ultrasons, et l’endomicroscopie qui permet de visualiser l’architecture microscopique des cellules à l’extrémité de fibres optiques.

La plupart des images médicales sont très volumineuses. L’image anatomique d’un organe, voire du corps entier peut contenir entre quelques millions et plusieurs centaines de millions de voxels, stockés dans d’immenses matrices 3-D de nombres. La quantité d’information augmente rapidement lorsque plusieurs images sont acquises sur un même patient pour exploiter la complémentarité des différentes modalités, ou pour suivre une évolution temporelle ; il s’agit alors d’images 4-D  avec trois  dimensions spatiales et une dimension temporelle.

Comme si ce déluge d’images ne suffisait pas, de grandes bases de données d’images deviennent progressivement accessibles sur la Toile d’Internet. Ces images sont souvent accompagnées de métadonnées sur l’histoire du patient et sur sa pathologie.

Le rôle de l’informatique et des sciences numériques

Maillage de calcul des 4 cavités cardiaques pour la simulation électromécanique du coeur. - © Inria - Asclepios

Face à toutes ces images et à leur complexité, le médecin ne peut souvent extraire visuellement que des informations lacunaires et qualitatives. Les images volumiques ne sont souvent visualisées que sous la forme de coupes 2-D. Il est alors quasiment impossible de quantifier précisément le volume d’une tumeur, de détecter une anomalie isolée dans un organe entier et suivre son évolution subtile entre deux examens, ou de quantifier dans une série temporelle d’images le mouvement d’un organe dynamique comme le cœur. Il est encore plus difficile de planifier une intervention délicate sans l’aide de l’ordinateur.

L’informatique et les sciences numériques jouent alors un rôle crucial pour exploiter de façon rigoureuse et optimale cette surabondance d’information. Elles sont essentielles pour l’analyse des images reconstruites dont le but est d’extraire de façon objective l’information cliniquement pertinente et de la présenter dans un cadre unifié et intuitif au médecin. Elles offrent également la possibilité de construire un modèle numérique du patient pour la simulation  : simulation de l’évolution d’une pathologie ou de l’effet d’une thérapie par exemple, ou simulation de gestes médicaux ou chirurgicaux pour l’entrainement du praticien.

Orientations des fibres cardiaques mesurées in vivo par IRM de diffusion. - © Inria - Asclepios

Analyse et simulation informatiques des images médicales reposent sur des algorithmes qui doivent prendre en compte la spécificité de l’anatomie et de la physiologie humaines à l’aide de modèles mathématiques, biologiques, physiques ou chimiques, adaptés à la résolution des images. Ces modèles du corps humain dépendent eux-mêmes de paramètres permettant de modifier la forme et la fonction des organes simulés. Utilisés avec un jeu de paramètres standard, les modèles sont génériques  : ils décrivent et simulent la forme et la fonction moyennes des organes dans une population. Mais avec les images médicales et l’ensemble des données disponibles sur un patient spécifique , les paramètres d’un modèle générique peuvent être ajustés grâce à des algorithmes pour reproduire plus précisément la forme et la fonction des organes de cet individu. On dispose alors d’un modèle personnalisé.


Patient numérique personnalisé et médecine computationnelle

Tractographie dans des images IRM de diffusion pour révéler la connectivité du cerveau. - © Inria - Asclepios

Le patient numérique3 personnalisé n’est autre que cet ensemble de données numériques et d’algorithmes permettant de reproduire à diverses échelles la forme et la fonction dynamique des principaux tissus et organes d’un patient donné. C’est aussi le cadre unifié qui permet d’intégrer les informations provenant des images anatomiques et fonctionnelles du patient, ainsi que les informations qui décrivent l’histoire singulière du patient et de sa maladie.

Les modèles numériques et personnalisés du patient sont destinés à assister le médecin dans sa pratique médicale : assister le diagnostic en quantifiant l’information présente dans les images ; assister le pronostic en simulant l’évolution d’une pathologie ; assister la thérapie en planifiant, simulant et contrôlant une intervention. Voilà ce qui préfigure la médecine computationnelle de demain, une composante informatique de la médecine qui n’a pas vocation à se substituer au médecin, mais qui est destinée à lui fournir des outils numériques pour l’assister dans l’exercice de sa pratique médicale au service du patient.


Des images médicales au patient numérique

Variabilité des sillons corticaux mesurée sur 98 cerveaux sains, les zones rouges étant les zones de plus forte variabilité. - © Inria - Asclepios

Dans sa leçon inaugurale, intitulée « des images médicales au patient numérique », Nicholas Ayache choisi quatre exemples qui illustrent une certaine progression des algorithmes et des modèles mis en œuvre pour exploiter les images médicales. Les deux premiers exemples, morphométrie et endomicroscopie computationnelles , relèvent du domaine de l’anatomie computationnelle . Les algorithmes utilisés s’appuient sur des modèles géométriques, statistiques et sémantiques du corps humain. Les deux exemples suivants, oncologie et cardiologie computationnelles , relèvent de la physiologie computationnelle . Leurs algorithmes s’appuient en plus sur des modèles biologiques, physiques ou chimiques du corps humain.   


Conclusion

Maillage du foie pour la simulation de chirurgie laparoscopique. - © Inria - Asclepios

L’imagerie médicale computationnelle, à la croisée de l’informatique et de l’imagerie médicale, fournit de nouveaux outils numériques au service du médecin et du patient, dans le cadre plus large de la médecine computationnelle.

Les progrès actuels dans ces domaines permettent d’entrevoir comment l’informatique et les sciences numériques peuvent accompagner le passage d’une médecine normalisée et réactive à une médecine plus personnalisée, préventive et prédictive 4. Ils reposent en grande partie sur des avancées algorithmiques en traitement d’images et dans la modélisation numérique de l’anatomie et de la physiologie du corps humain.

Les cours à venir, ainsi que les séminaires et le colloque de clôture approfondiront les fondements algorithmiques, mathématiques et biophysiques de ce domaine de recherche en plein essor, tout en illustrant son caractère pluridisciplinaire et ses avancées les plus récentes. On y retrouvera des scientifiques et des médecins de spécialités variées, au chevet du patient numérique.

1. Scanner ou tomodensitométrie par rayons X ; IRM ou imagerie par résonance magnétique ; échographie ou imagerie ultrasonore ; scintigraphie : TEP (tomographie par émission de positons) et TEMP (tomographie d’émission monophotonique).

2. M. Fink, Renversement du temps, ondes et innovation ; leçon inaugurale, Collège de France, 2009.

3. On utilise aussi l’expression de patient virtuel , notamment dans le cadre de la simulation d’interventions médicales et chirurgicales. Bien entendu, il ne faut pas confondre patient virtuel et Malade imaginaire.

4. Elias Zerhouni, Grandes tendances de l'innovation biomédicale au XXIe siècle ; leçon inaugurale, Collège de France, 2011.

Mots-clés : Nicholas Ayache Patient numérique Chaire informatique et sciences numériques Collège de France Imagerie médicale

Haut de page

Suivez Inria