Evaluation par analyse de texture en IRM de la fibrose hépatique ...

Evaluation par analyse detexture en IRM de la fibrosehépatique sans et avecMultihanceD OLIVIÉ (1), PA ELIAT (1), L TRAN (1), P AUDET (2), B NGUYEN (2), MBILODEAU (2), JS BILLIARD (2), J MURPHY-LAVALLÉE (2), L LEPANTO (2)1- CHU Rennes - UPRES EA ImagiVec2-CHU Montréal

IntroductionL’évaluation de la fibrose est un élément important de laprise en charge des hépatopathies virales, car elleconditionne en partie les traitements proposés et la prise encharge thérapeutique. Pour cela, il existe en dehors del’examen invasif qu’est la ponction biopsie hépatique desmoyens d’exploration non invasif tel que :• Quantification biologique par Fibrotest, actitest• Quantification physique par élastographie par US voirepar IRML’évolution fibreuse peut se faire par poussée inflammatoireà travers les différents stades de fibrose jusqu’à lacirrhose. L’atteinte hépatique n’est pas forcément derépartition homogène et par ailleurs l’évolution fibreuses’accompagne de changement de l’architecture des espacesportes, d’une capillarisation et donc de changementarchitecturaux. Ces changements comme la répartitioninhomogène de la fibrose ou bien l’apparition de nodules voirde macro-nodules de régénération.

IntroductionLe « Gold standard » pour évaluer l’atteinte fibreuse est la PBH.Cependant, La réalisation d’une PBH avec les risques demorbidité et de mortalité liés à ce geste (jusqu’à 0,57 % decomplications sévères dans une étude française récente [1])ainsi que les variations de ses résultats liés à l’échantillonnageet de sa lecture font discuter de son intérêt [2]. Par ailleursaucun test en dehors de l’histologie ne permet de détecteractuellement les faibles degrés de fibrose.Plusieurs études tendent à démontrer que l’on peut différencierpar analyse de texture l’atteinte fibreuse notamment lorsqu’elleest évoluée [3-5].Une étude récente mettrait en évidence une amélioration de lacapacité à différencier les stades de fibrose avec l’adjonctionde produit de contraste en particulier à la phase d’équilibre [6].L’utilisation de gadolinium et principalement du BOPTA grâce àsa spécificité hépatocytaire pourrait permettre uneamélioration des classifications notamment en phase d’équilibre.

Analyse de texturePrincipe : Analyse mathématique au sein de l’imagede la répartition et de l’agencement des pixels enfonction de leur niveau de gris dans une matriceprédéfinie• Plusieurs centaines de paramètres calculés– Méthodes statistiques de premier ordre (œilhumain), méthode de l’histogramme– Méthodes d’ordres supérieurs (2 et 3) (Matrice decooccurrence, des longueurs de plages, méthodesdes gradients, etc….)Utilisation en industrie mais aussi dans d’autresdomaines d’imagerie:• Reconnaissance automatique de texture• Evaluation des tissus graisseux sous cutanés• CAD

Analyse de textureImageur 1.5 T Avanto (Siemens)Utilisation du logiciel MAZDAImage en pondération T1, T2 avant et après injection deproduit de contrasteTest en imagerie 2D– Meilleur compromis résolution spatiale et contraste en1.5 T– résolution spatiale fine: moins de dilution d’information• Coupe fine• Matrice élevée• Apnée = peu de coupesChoix de séquences spécifiques en pondération T2 et T1centrées sur le hile hépatique permettant une étude du foiedroit et du foie gauche.Réalisation des mêmes séquences 1 heure après l’injectionpour bénéficier de l’aspect hépatospécifique du MultihancePossibilité de réaliser des calculs en acquisition 3D

Axial TSE T1 fat sat ApnéeNombres de coupes :5Fov 380mm*303mmEpaisseur 2 mmVoxel :1.6*1.5*2 mmTR : 557 ms ; TE : 7,3 msTA :14 sAxial TSE T2 fat sat ApnéeNombres de coupes :5Fov 380mm*303mmEpaisseur 2mmVoxel :1.6*1.5*2 mmTR : 2000 ms ; TE : 70msTA : 14 s

EtudeProjet réalisé conjointement entre le CHU de Montréal(Hôpital St Luc), le CHU de Rennes et les équipes detraitement du signal de l’université de Rennes (U642 LTSIet UPRES EA 3890 Imagivec)Accord du comité d’éthique du CHUMEtude prospective prévu pour une inclusion de 60 à 80patients– Critères d’inclusions:• PBH de moins de 3 mois pour évaluation d’hépatopathie virale C• Pas de traitement antiviral ou anti-fibrotique avant l’IRM• Pas de contre-indication à l’IRM ou au produit de contraste• Consentement éclairé

PopulationDe mai 2006 à juin 2007 21 patients inclus9 femmes, 12 hommesÂge moyen : 49 ansClassification histologique suivant Ishak:– Stade O=3, I=6, II=4, III=6, IV=1, V=1, VI=0Classification selon métavir– F0=3, F1=10, F2=7, F4=1

Analyse de texture• Analyse après définition d’une Région d’Intérêt de grande tailleen foie droit et en foie gauche excluant les gros vaisseaux etceci sur les deux meilleures coupes de chaque sérieSélection des paramètres les plus discriminants par :• Critère de Fisher (10 items)• POE+ACC (probability of classification error and average.correlation coefficients) (10 items)• information mutuelle (10 items• sur les 30 meilleurs issus des 3 approchesAnalyse par PCA (Principal component analysis) ou LDA (lineardiscriminant analysis)Il n’a pas été possible de réaliser de classification en NDA (Nondiscriminant analysis) ou réseau de neurones car les échantillonsne sont pas assez grands pour tester les différentes possibilitésde réseau

Analyse de texturePar type de séquence:• T1 avant Gd• T1 après Gd• T2 avant Gd• T2 après Gd• Foie droit / foie gaucheTout score confondu selon la classification d’IShakTout score confondu selon la classification de MetavirSélection en fonction du nombre de mal classés et de nonclassésSélection des classifications réalisant moins de 20 % de malclassés

Résultats% de mal classéDGT1 ap GDT1 av GDT2 ap GDT2 av GD30 mes Ishak30 mes Métavir30 mes Ishak30 mes Métavir30 mes Ishak30 mes Métavir30 mes Ishak30 mes Métavir4.76 2.380 09.52 09.52 2.380 00 2.38>20 >200 >20

Résultats30mes Métavir T1ap DCorrespondanceMétavir IshakF0=1 St0=1F1=2 St1=2F2=3 St2=3F4=4 St3=4St4=5St5=630mes Ishak T1av G30 mes Ishak T2av D

DiscussionLa plupart des classifications réalisées à partir soit d’une sélectionde paramètres par test de Fisher, de POE+ACC ou par informationmutuelle n’ont pas permis d’avoir des résultats avec moins de 20%des échantillons mal classés.Seules les classifications faites en combinant les 30 paramètres lesplus discriminants issus des 3 méthodes de sélection permettentdes classifications parfaites ou presque.Seul l’analyse linéaire discriminante propose des classifications sansou avec très peu de mal classés.Ce sont les séquences réalisées après injection de gadolinium quiclassent mieux. Cet aspect vient d’être décrit[6]. Cet aspect sembleassez logique surtout avec du Multihance au moment de la phased’étude biliaire. Par contre il est assez difficile d’expliciter cemême phénomène en pondération T2.

DiscussionIl n’y a pas de différence significative entre lesclassifications histologiques d’Ishak et Métavir dansl’obtention de meilleurs résultats.Il n’existe pas de différence significative entre les résultatsen foie G et en foie DL’adjonction de produit de contraste semble améliorer lesrésultats des classifications en T1 et T2. On obtient eneffet moins de mal classés 1 heure après l’injection deMutlihance. Cet aspect serait il valable en cas d’analyse detexture 3D des séquences 3D T1 dynamique?L’analyse de texture étant développée sur des modèlesmathématiques et statistiques, elle nécessite d’être testersur de nombreux échantillons, ces résultats ne sont donc quepréliminaires mais semblent encourageants

ConclusionL’analyse de texture semble permettre la différenciationdes différents grades de fibrose même entre les faiblesgrades.L’utilisation du Multihance améliore les résultats desclassifications à un temps tardif après l’injection du produitde contraste. L’intérêt serait il le même lors des séquencesdynamiques (analyse de texture 3D) ?L’augmentation de l’effectif de l’étude permettraprobablement d’affiner ces résultats, d’utiliser et de définirun ou des réseaux de neurones pour différencier les stadesfibreux.Par ailleurs le traitement des données dynamiques 3D estenvisagé en analyse de texture 3D de façon à essayerd’individualiser des paramètres de textures fonction de laperfusion hépatique.

Références[1]-Cadranel JF, Rufat P, Degos F. Practices of liver biopsy in France:results of a prospective nationwide study. Hepatology 2000; 32: 477-481[2]-Regev A, Berho M, Jeffers LJ, Milikowski C, Molina EG, Pyrsopoulos NT,Feng ZZ, et al. Sampling error and intraobserver variation in liver biopsy inpatients with chronic HCV infection. Am J Gastroenterol 2002;97: 2614–2618.[3]-Jirak D, Dezortova M, Taimr P, Hajek M. Texture analysis of humanliver. J Magn Reson Imaging 2002;15:68-74[4]-Matalka II, Al-Jarrah OM, Manasrah TM. Quantitative assessment ofliver fibrosis: a novel automated image analysis method. Liver int2006;26(9):1054-1064[5]-Zhang X, Fujita H, Kanematsu M, Zhou X, Hare T, Kato H, Yokoyama R,Hoshi H. Improving the classification of cirrhotic liver by using texturefeatures. Conf Prec IEEI Eng Med Biol Soc 2005;1:867-870[6]-Kato H, Kanematsu M, Zhang X, Saio M, Kondo H, Goshima S, Fujita H.Computed-aided diagnosis of hepatic fibrosis: preliminary evaluation of MRItexture analysis using the finite differnce method and an artificial neuralnetwork. AJR 2007; 189:117-122