LESPESSAILLES Eric, Translational Medicine Research Platform (PRIMMO), Orléans
Contexte
L’arthrose (OA) est l’une des principales causes de mobilité réduite et de douleur chronique, touchant près de la moitié de la population âgée de 65 ans ou plus dans le monde.
Le genou est la principale articulation d’intérêt dans la recherche en imagerie de l’arthrose. La gonarthrose (GA) est une affection musculo-squelettique fréquemment rencontrée non seulement en soins primaires mais aussi dans les cliniques d’orthopédie et de rhumatologie.
Réduire la douleur et diminuer la progression des lésions articulaires chez les patients ayant une gonarthrose est toujours une tâche difficile. Suite à l’amélioration des technologies d’imagerie médicale, plusieurs techniques d’apprentissage automatique ont été proposées pour le diagnostic et la prédiction de la GA. Le diagnostic automatique de la GA devient de plus en plus populaire car il a un potentiel élevé pour améliorer le diagnostic de l’arthrose et rendre plus objective la classification radiographique de celle-ci.
EMERGENCE
Projet sélectionné lors de l’appel à projets « Subvention Arthritis pour l’émergence de projets » 2022
Objectif du projet
L’objectif de l’étude proposée seraient d’évaluer la capacité de prédiction de l’aggravation de la gonarthrose en utilisant une approche combinée incluant des paramètres de la texture osseuse trabéculaire (TBT), calculées par les dimensions fractales , les scores radiologiques et cliniques, (modèles qui ont déjà fait leur preuve pour la prédiction de la progression de la GA et la prédiction de la prothèse totale du genou) avec un ensemble des paramètres évalués sur des images d’IRM du genou dans la cohorte de l’Osteoarthritis Initiative.
Mots clés : Progression de la gonarthrose, IRM, analyse de texture de l’os trabéculaire, apprentissage automatique, prédiction
