Le chirurgien guidé en direct
Un laboratoire rennais conçoit un double numérique du patient. Il guide le chirurgien.
Lors d’une opération des vaisseaux sanguins, le praticien n’y voit pas grand-chose. Du moins directement. Pour se repérer et voir ses instruments chirurgicaux, il utilise des images radiographiques. Bientôt, le praticien pourrait s’aider du jumeau numérique de son patient. C’est l’un des objectifs de l’équipe Impact(1) du Laboratoire traitement du signal et de l’image (LTSI) à l’Université de Rennes 1. « Il s’agit d’anticiper ce qui va se passer durant une intervention, explique Pascal Haigron, responsable de l’équipe. Nous créons une simulation des organes du patient et du processus thérapeutique, pour comparer le déroulé idéal d’une intervention et la réalité. Le praticien peut alors ajuster son geste en permanence. »
Simulation en temps réel
Pour que cela fonctionne, il est nécessaire que la simulation soit précise et se mette à jour en temps réel. L’intelligence artificielle permet de développer la puissance de calcul nécessaire. « Nous sommes parvenus à mettre en image de très nombreuses données, mais les temps de mises à jour étaient très longs, de plusieurs heures, explique Lotfi Senhadji, le directeur du laboratoire. Il était donc impossible de s’en servir au quotidien. » Dans la salle d’opération, le chirurgien ne va pas suspendre son geste, pour l’ajuster, en attendant que le double numérique du patient se mette à jour !
« La prise en charge des nouveaux paramètres est désormais instantanée », se félicite Pascal Haigron. Cela n’est possible qu’en traitant moins de données... donc moins de précision. Mais l’ingénieur se veut rassurant : « La quantité de données est telle que même en réduisant notre précision, elle reste largement acceptable. »
Le double virtuel du patient n’est pas une simple image numérique. Selon le geste du praticien et les réactions du patient, la machine ajuste le scénario instantanément. Pour parvenir à ce résultat, il a été nécessaire de créer différents scénarios à partir d’expériences et opérations passées. Cette technologie en cours de conception fournit des informations supplémentaires au praticien. Elle permet également de calculer la taille exacte de la prothèse nécessaire.
Un autre avantage concerne le produit de contraste et les rayons X, utilisés en salle d’opération. Ces deux éléments sont utilisés pour voir la réaction des organes manipulés. Problème, ils peuvent devenir toxiques à la longue pour la santé humaine. Grâce au double numérique, ces produits toxiques seront moins employés. Cela permettra, notamment, de réduire l’exposition du personnel hospitalier aux rayons X.
Les Expériences passées prises en compte
Pour implanter une nouvelle valve aortique, l’opération est délicate. Il faut d’abord définir une stratégie propre à chaque patient. La valve doit être insérée exactement au bon endroit dans l’aorte. L’intelligence artificielle (IA) facilite cette opération. « L’ordinateur et les algorithmes sont meilleurs que l’homme pour effectuer des calculs », rappelle Pascal Haigron (lire ci-dessus). « La médecine a toujours pris en compte les expériences passées pour améliorer celle d’aujourd’hui, poursuit Lotfi Senhadji. C’est ce que nous faisons avec le projet Eurvalve(2). »
Prendre une décision
L’équipe a conçu un algorithme capable d’explorer une base de données complexe. Elle recense les cas de patients opérés dans le passé. Une myriade de variables, qui vont de l’âge du patient aux imageries pré-opératoires en passant par le traitement du patient et d’éventuelles complications sont pris en compte. « Grâce à notre algorithme, le praticien pourra entrer les caractéristiques du patient qu’il va opérer, détaille Pascal Haigron. La machine lui présentera les cas les plus proches, tout en précisant le degré de confiance associé à chaque résultat. Ces informations l’aideront à prendre une décision quant à l’opération à venir. Car rappelons-le, c’est toujours le praticien qui décide, in fine. »
Plus la base de données sera alimentée, plus la machine améliorera ses résultats. Mais attention, si trop de cas similaires alimentent la base, les cas exceptionnels risque d’être noyés dans les données ! C’est un point sur lequel les futurs utilisateurs devront être vigilants. Le système, aujourd’hui opérationnel, entre dans sa phase d’évaluation.
(1) Images and models for the planning and assistance to surgery and therapy. L’équipe Impact (Université de Rennes 1, Inserm) a établi des partenariats avec les entreprises Ansys et Therenva.
(2) Le projet Eurvalve (Personalised decision support for heart valve disease) est un projet européen coordonné par l’université de Sheffield. Il réunit en France l’équipe de recherche Impact du laboratoire LTSI et les entreprises Therenva et Ansys.
TOUT LE DOSSIER
du magazine Sciences Ouest