Une recherche inspirée par la pratique clinique

Plusieurs de nos équipes maîtrisent les méthodes de la recherche épidémiologique et clinique, grâce auxquelles il est possible de mettre en évidence les facteurs de risque des pathologies et les déterminants de l’efficacité des outils diagnostiques et thérapeutiques, à la fois dans la population générale et dans des situations particulières (populations exposées à des risques environnementaux ou professionnels). Notre implication profonde dans la vie du CHU Grenoble Alpes nous permet d’ancrer ces travaux dans une large gamme de pratiques médicales, des pathologies chroniques (cancer, certaines maladies infectieuses, maladies cardio-vasculaires, maladies du mouvement, …) aux pathologies aiguës (réanimation, chirurgie orthopédique, …). Les actions de santé peuvent ainsi être évaluées et modélisées. Les données acquises, dans un cadre rigoureux en termes de qualité et respectueux des contraintes éthiques, alimentent la fouille de données complexes et la recherche de modèles mathématiques décrivant la complexité biologique des systèmes vivants (et en particulier l’interaction entre des réseaux de gènes, de protéines ou d’organes, la caractérisation de dissimilarités entre des populations de cellules cancéreuses et normales au sein d’un même individu, …). Ces travaux sont caractéristiques du grand potentiel de l’Intelligence Artificielle en Santé. L’identification des limites que reconnaissent les meilleurs praticiens dans leur spécialité est souvent le point de départ de travaux visant à repousser ces limites. Ces travaux s’appuient sur la modélisation des fonctions à restaurer qui fait appel à une approche très largement interdisciplinaire (modélisation mathématique, physique – y compris biomécanique, biochimique, du fonctionnement des organes en cause). Des dispositifs médicaux innovants, pouvant aller jusqu’à de véritables organes artificiels, peuvent être conçus sur la base des connaissances ainsi représentées. Ils impliquent l’intégration de compétences en conception de capteurs, en traitement des signaux, en conception d’effecteurs biocompatibles, éventuellement robotisés, susceptibles d’aider le thérapeute ou d’être implantés dans le corps humain pour suppléer une fonction défaillante.

Le succès des Gestes Médico-Chirurgicaux Assistés par Ordinateur (GMCAO) est un exemple typique de l’efficacité de cette stratégie. Grâce à la collaboration étroite avec ses partenaires cliniques, l’équipe GMCAO a, par exemple, acquis une compréhension fine des défis que rencontrent les cliniciens dans le management du cancer de la prostate, premier cancer chez l’homme en France. Dans ce cadre, le diagnostic et la prise de décision thérapeutique sont des étapes cruciales mises en regard du rapport risque-bénéfice de certains traitements. Ces étapes reposent pour une part essentielle sur un examen appelé biopsie de la prostate, au cours duquel de petits échantillons de tissu prostatique sont prélevés sous contrôle échographique. Ces échantillons sont ensuite analysés en laboratoire d’anatomie pathologique pour déterminer s’ils correspondent à des tissus cancéreux. Le cas échéant, le type de cancer et son agressivité permettent de choisir une stratégie de traitement. Une des difficultés principales pour le clinicien dans le geste de biopsie est de se localiser sous échographie dans l’environnement prostatique mobile pour garantir un bon « échantillonnage » de la prostate ou pour se diriger vers une cible visible dans l’IRM préopératoire. En effet, l’échographie est une modalité d’imagerie dans laquelle les sites tumoraux ne sont pas visibles. Pour répondre à cette problématique l’équipe GMCAO et ses partenaires cliniques ont proposé une méthode dite de « fusion » d’images [1][2] permettant de fournir au chirurgien, pendant un examen de biopsie de prostate sous échographie, des informations issues de l’IRM préopératoire et aussi de réaliser une réelle cartographie des biopsies (Fig. 1). Celle-ci permet d’envisager, à plus ou moins long terme, des traitements focaux du cancer de la prostate. La société KOELIS, créée en 2008 par un ancien membre du laboratoire, a industrialisé ces travaux, donnant naissance à l’Urostation puis à Trinity. En Novembre 2018, ce sont plus de 200 stations vendues sur 4 continents et plus de 200 000 patients traités avec l’aide de ces technologies.

Dans le cas où, suite au diagnostic, le traitement choisi est une chirurgie pour réséquer la glande prostatique, le chirurgien, qui opère de plus en plus par voie dite « minimalement invasive » sous contrôle d’un endoscope, fait également face à de nombreuses difficultés parmi lesquelles une longue courbe d’apprentissage de la technique et un champ de vision limité. Ici également, les GMCAO peuvent aider le chirurgien à mieux visualiser les structures pertinentes de l’intervention chirurgicale, par exemple en fusionnant les images endoscopiques (Fig. 2) avec des images échographiques issues d’une sonde échographique intra-urétrale innovante développée au laboratoire. En effet ce type d’imagerie, qui permet de voir “sous la surface”, des organes complète la vision surfacique fournie par un endoscope [3]. D’autres types d’imagerie per-opératoire sont également combinées à l’image endoscopique classique (mini-caméras, imagerie de fluorescence permettant de mettre en évidence des informations pathologiques [4]).

De plus, des méthodes basées sur la modélisation de l’expertise chirurgicale et l’intelligence artificielle sont développées en vue fournir à terme au chirurgiens des systèmes de compagnonnage assistés par ordinateur qui permettront de diminuer la courbe d’apprentissage des chirurgies mini-invasives et qui pourront les aider à éviter les pièges chirurgicaux. Par exemple (Fig. 3), il est possible, à partir de l’analyse automatique des gestes du chirurgien sur banc d’essai, de différencier automatiquement le niveau d’expertise chirurgicale [5]. Des travaux sont actuellement en cours pour déterminer automatiquement des scores de “qualité” chirurgicale à partir de données extraites de vidéos endoscopiques.