Sabine Sarnacki et Isabelle Bloch

Le laboratoire IMAG2 travaille depuis près de 10 ans sur les malformations pelviennes et les tumeurs chez les enfants et les adolescents. IMAG2 a concentré ses efforts sur la modélisation 3D de la région pelvienne car cette région est à la croisée des voies digestives, génitales et urologiques, avec un réseau vasculaire et nerveux très riche et complexe. C'est une région qui reste difficile à̀ se représenter en 3D, notamment chez les enfants dont l'anatomie varie avec l'âge.

IMAG2 a développé VISIONERVES (brevet déposé), un nouveau système de segmentation automatique des images IRM (imagerie par résonance magnétique) et CT scanner (tomodensitométrie) capable d'identifier automatiquement les structures anatomiques pelviennes ainsi que de représenter le réseau nerveux périphérique pelvien.
À ce jour, plusieurs études cliniques prospectives sont en cours pour valider cette technologie, ainsi que des recherches sur son transfert vers d'autres régions du corps telles que la région ORL et la base du crâne.

Ces travaux ont été récompensés par le prix Galien 2023, volet Travaux de recherche obtenu par les Pr Sabine Sarnacki et Pr Isabelle Bloch.

Présentation détaillée

Le laboratoire IMAG2 est un groupe de recherche innovant axé sur la modélisation 3D et l'imagerie médicale, visant à améliorer la planification chirurgicale, l'éducation des patients et les résultats cliniques grâce à des technologies avancées et des outils alimentés par l'intelligence artificielle. La mission du laboratoire repose sur le développement de modèles anatomiques 3D spécifiques aux patients et de systèmes de cartographie nerveuse qui soutiennent la stratégie chirurgicale, améliorent la compréhension des patients et favorisent l'efficacité économique au sein des systèmes de santé.
 

Le travail du laboratoire apporte de nombreux avantages à toutes les parties prenantes. Pour les chirurgiens, il offre une évaluation améliorée du rapport bénéfice-risque, une stratégie chirurgicale optimisée et une formation accélérée. Les patients et leurs familles acquièrent une meilleure compréhension de la pathologie et des principes chirurgicaux, ce qui aide à renforcer l'alliance thérapeutique et à mieux accepter les suites opératoires. Les établissements de santé bénéficient d'une réduction des coûts liés aux complications chirurgicales et d'une diminution des malentendus relatifs aux programmes thérapeutiques.

La technologie d'IMAG2 englobe plusieurs outils révolutionnaires. Son système de segmentation automatisé utilise l'apprentissage profond pour segmenter les structures anatomiques à partir d'images IRM et CT. La technologie de reconnaissance des nerfs périphériques du laboratoire emploie des méthodes d'IA symbolique pour reconstruire et identifier les systèmes nerveux à partir de données IRM de diffusion. De plus, leur logiciel de visualisation 3D interactif et convivial permet une exploration détaillée des modèles anatomiques spécifiques aux patients.

Un élément clé de la recherche du laboratoire est l'imagerie de diffusion et la tractographie. L'imagerie de diffusion capture le mouvement des molécules d'eau au sein des tissus, en distinguant la diffusion isotrope, qui se produit de manière égale dans toutes les directions, et la diffusion anisotrope, qui est directionnellement contrainte. L'imagerie pondérée par diffusion (DWI) est utilisée pour diagnostiquer des affections telles que les accidents vasculaires cérébraux et les œdèmes, ainsi que pour reconstruire les trajectoires des fibres nerveuses grâce à des algorithmes avancés comme l'imagerie par tenseur de diffusion (DTI) et la déconvolution sphérique contrainte (CSD).

La technologie de reconnaissance des nerfs du laboratoire, appelé VISIONERVES (brevet déposé), repose sur un langage de requête spécialisé avec une syntaxe proche de l'anglais, facilitant la transformation des connaissances médicales en définitions anatomiques. En agrégeant les relations spatiales entre les nerfs et les structures anatomiques, le système génère un "score de cohérence anatomique" tenant compte de la variabilité de forme et de position. L'isolement de ces nerfs permet également d'étudier leur longueur, leur volume, leur tortuosité et leur diffusivité et d'établir une corrélation entre ces mesures et la maladie. Des études sur des groupes de malformations ano-rectales sont en cours.

La validation clinique de ces technologies est extrêmement prometteuse. Une étude multicentrique a montré un taux d'adoption supérieur à 90 % parmi les médecins, qui ont trouvé les images 3D spécifiques aux patients indispensables pour la planification chirurgicale et ont rapporté un sentiment accru de réassurance et de confort. Dans une étude prospective impliquant 24 patients atteints de tumeurs pelviennes, la technologie a permis la préservation des nerfs dans des cas complexes. Le prototype du laboratoire, actuellement utilisé à l'hôpital Necker Enfants Malades, est optimisé pour les chirurgies pédiatriques des tumeurs et des malformations pelviennes.

À court terme, l'accent de la recherche est mis sur d'études cliniques pour valider la technologie pour la chirurgie pédiatrique et gynécologique. Les objectifs à moyen terme incluent une expansion vers l'ORL, tandis que les plans à long terme concernent les chirurgies orthopédiques, rachidiennes et hépatiques.

Grâce à son approche novatrice de la modélisation anatomique 3D, le laboratoire IMAG2 promet de révolutionner l'efficacité chirurgicale, les soins aux patients et la durabilité des systèmes de santé, apportant des contributions significatives à l'avenir de l'imagerie médicale et de la planification des traitements spécifiques aux patients.
Membres de l’équipe : merci de compléter le tableur ci-joint. Les noms sont à indiquer dans l'ordre dans lequel ils apparaitront sur le site. Pour les photos, merci de les inclure directement dans le tableur ou de faire un dossier partagé en les regroupant.

Publications

• Giammarco La Barbera, Enzo Bonnot, Thomas Isla, Joy-Rose Dunoyer de Segonzac, Juan Pablo de la Plata Alcalde, Sabine Sarnacki, Pietro Gori, Isabelle Bloch. Segmentation des fibres nerveuses du pelvis par intelligence artificielle symbolique : un guide pour la planification chirurgicale. Colloque Français d'Intelligence Artificielle en Imagerie Biomédicale (IABM), 2025.
• Thomas Isla, Giammarco La Barbera, Enzo Bonnot, et al.. Segmentation 3D d’images médicales pédiatriques pathologiques guidée par des clics. Colloque Français d'Intelligence Artificielle en Imagerie Biomédicale (IABM), 2025.
• Nicolas Vinit, Thomas Blanc, Isabelle Bloch, Luca Pio, Rani Kassir, et al.. Robotics and 3D modeling for precision surgery in pediatric oncology. EJC Paediatric Oncology, 2024, 4, ⟨10.1016/j.ejcped.2024.100181⟩. ⟨hal-04674846⟩
• Giammarco La Barbera, Laurence Rouet, Haithem Boussaid, Alexis Lubet, Rania Kassir, et al.. Tubular structures segmentation of pediatric abdominal-visceral ceCT images with renal tumors: assessment, comparison and improvement. Medical Image Analysis, 2023. ⟨hal-04222626⟩
• Cécile Olivia Muller, Eva Mille, Alessio Virzi, Jean-Baptiste Marret, Quoc Peyrot, et al.. Integrating tractography in pelvic surgery: a proof of concept. Journal of Pediatric Surgery Case Reports, 2019, 48, pp.101268. ⟨10.1016/j.epsc.2019.101268⟩. ⟨hal-02341037⟩