MICBrainPres — Apprentissage machine en imagerie de connectivité : une aide à la préservation de la cognition en chirurgie des tumeurs cérébrales

Le but principal de ce projet est de mettre les dernières avancées en apprentissage machine au service de la préservation des fonctions cognitives lors des résections chirurgicales de tumeurs cérébrales. L’identification des réseaux neuronaux impliqués dans les différentes fonctions cognitives fait appel à la méthode de cartographie peropératoire par stimulations électriques directes (SED) chez un patient éveillé. Contrairement à l’intuition, il n’est actuellement pas possible de prédire la topographie de ces réseaux à partir des imageries de connectivité fonctionnelle et structurelle préopératoire, la sensibilité et spécificité étant trop faibles. Ces modalités d’imagerie ne peuvent donc pas aider le chirurgien dans la préparation de son intervention. Dans ce projet, nous proposons de déterminer des parcellisations fonctionnelles individuelles des patients à partir de leurs données d’imagerie fonctionnelle et structurelle, à l’aide de nouvelles méthodes d’apprentissage profond. La pertinence de ces parcellisations seront prouvées par la corrélation avec la cartographie peropératoire par SED. Ainsi le chirurgien pourra-t’-il identifier à l’avance les aires fonctionnelles à respecter pour préserver les fonctions cognitives. De plus, le suivi longitudinal de ces parcellisations individuelles permettra de comprendre comment le cerveau se réorganise après la résection, grâce aux processus de plasticité cérébrale. Au total, ce projet apportera une aide essentielle pour la préservation des fonctions cognitives lors des chirurgies intracérébrales.