Évaluation automatique du plexus choroïdien dans la lupérite systémique : une étude basée sur l'apprentissage automatiqueAutomatic choroid plexus assessment in SLE: a deep learning-enabled study.
- Utilisation d'un modèle d'apprentissage automatique (Swin-UNETR) pour la segmentation du plexus choroïdien.
- Volume du plexus choroïdien augmenté chez les patients LÉS avec DVT-A.
- Corrélation entre le volume du PC et l'inflammation systémique (SII).
L'analyse repose sur un résumé abstrait, limitant la profondeur des conclusions.
Accès limité aux données détaillées (abstract-only). Étude rétrospective avec risque de biais de sélection. Absence de données sur l'évolution longitudinale des biomarqueurs.
Contexte : La lupérite systémique (LÉS) peut entraîner des troubles cognitifs, notamment des déficits de vitesse de traitement et d'attention (DVT-A), mais les biomarqueurs associés restent mal définis. L'objectif de cette étude était de développer un modèle d'apprentissage automatique pour l'analyse quantitative du plexus choroïdien (PC) et d'explorer son lien avec l'inflammation systémique et les DVT-A chez les patients LÉS sans syndromes neuropsychiatriques majeurs. Méthode : Une étude rétrospective multicentrique a inclus 137 patients LÉS (43 avec DVT-A, 94 sans) et 159 contrôles sains. Un modèle de segmentation du PC (Swin-UNETR) a été entraîné sur des images IRM T1 3D. Des analyses de corrélation, de médiation et de régression LASSO ont été réalisées. Résultats : Le modèle a atteint une précision élevée (DSC médiane = 0,89). Le volume du PC était significativement plus grand chez les patients LÉS-DVT-A que chez les contrôles et les patients LÉS sans DVT-A (p < 0,001). Il corrélait positivement avec l'indice d'inflammation systémique (SII, r = 0,34, p < 0,001). Un modèle de trois biomarqueurs (volume du PC, C3 et SII) a montré une bonne capacité discriminante (AUC = 0,79). Intérêt clinique : Le volume du PC apparaît comme un biomarqueur et un médiateur des DVT-A chez les patients LÉS. Le modèle Swin-UNETR permet une quantification précise du PC, et le panel de biomarqueurs offre un outil pratique pour la stratification du risque de DVT-A. Limites : L'analyse repose sur un résumé abstrait, limitant les détails méthodologiques. L'étude rétrospective pourrait être biaisée par la sélection des patients.
Utilisation d'un modèle d'apprentissage automatique (Swin-UNETR) pour la segmentation du plexus choroïdien. Volume du plexus choroïdien augmenté chez les patients LÉS avec DVT-A. Corrélation entre le volume du PC et l'inflammation systémique (SII). Modèle de trois biomarqueurs (PC, C3, SII) pour prédire les DVT-A. Application clinique potentielle pour la stratification du risque de DVT-A.
Identification d'un biomarqueur neuroimagerie pour les DVT-A dans la LÉS. Outils d'apprentissage automatique pour une évaluation quantitative du PC. Possibilité de personnaliser les approches thérapeutiques en fonction du risque de DVT-A.
Preprint