Imagerie cardiovasculaire

La cartographie T2 pour identifier les patients à haut risque d’AVC

Grâce à la cartographie T2 en IRM cardiaque, des scientifiques britanniques ont pu quantifier les lipides de la plaque d’athérome dans les carotides. Ils espèrent ainsi identifier les patients à haut risque d’AVC et améliorer leur prise en charge.

Le 06/11/17 à 12:00, mise à jour aujourd'hui à 15:19 Lecture 1 min.

Selon les auteurs de l'étude, la cartographie T2 in vivo « permet une quantification précise et hautement reproductible des lipides de la plaque ». © Oxford University / Creative Commons

Leur découverte pourrait permettre de prédire et de prévenir le risque d’accident vasculaire cérébral (AVC). Des chercheurs de l’université d’Oxford (Royaume-Uni), ont évalué une technique d’IRM cardiaque qui permet de préciser la teneur en lipides des plaques d’athérome dans les artères carotides. « Si la plaque est jugée trop grande, les patients sont traités chirurgicalement pour l’enlever. Cette technique a été développée pour différencier les plaques à risque, qui contiennent beaucoup de cholestérol, des plaques plus stables », indique l’université d’Oxford.

Une exploration IRM avant la chirurgie

Les auteurs de cette étude, publiée dans la revue JACC Cardiovascular Imaging [1], ont réalisé des explorations carotidiennes par IRM 3 T avant chirurgie. « Ils ont utilisé la cartographie T2 pour mesurer la quantité de cholestérol dans les plaques carotidiennes de 26 patients », précise l’université britannique. Puis, après l’endartériectomie carotidienne, ils ont examiné la teneur réelle en cholestérol dans chaque plaque. « Ils ont constaté que la nouvelle technique était précise. Ils ont aussi remarqué que le risque était d’autant plus grand qu’ils détectaient du cholestérol dans la plaque. »

Une quantification « précise et hautement reproductible »

Dans leurs résultats, les chercheurs tirent deux conclusions. « Premièrement, la cartographie T2 in vivo permet une quantification précise et hautement reproductible des lipides de la plaque, validée par l’histologie. Deuxièmement, la quantification des lipides permet de distinguer les plaques symptomatiques récentes avec 67 % de sensibilité et 91 % de spécificité. »

Identifier les patients à haut risque d’AVC

Les scientifiques estiment donc que cette technique pourrait jouer un rôle dans l’amélioration de la prise en charge des patients. « Être capable de quantifier le cholestérol dans les plaques carotidiennes est une perspective très intéressante, déclare Luca Biasioli, l’un des auteurs de l’étude. Cette technique pourrait aider les médecins à identifier les patients à haut risque et à prendre des décisions éclairées sur leurs traitements. »

Auteurs

Carla Ferrand

Journaliste cheffe de rubrique

Voir la fiche de l’auteur

Bibliographie

  1. Chai J. T., Biasiolli L. et coll., « Quantification of Lipid-Rich Core in Carotid Atherosclerosis Using Magnetic Resonance T2 Mapping : Relation to Clinical Presentation », JACC : Cardiovascular Imaging, juillet 2017, vol. 10, n° 7, p. 747-756. DOI : 10.1016/j.jcmg.2016.06.013.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

10 Avr

15:32

Un modèle d’IA à apprentissage profond montre un potentiel en tant qu’outil de dépistage opportuniste de la santé osseuse chez les enfants, selon une étude publiée dans Radiology.

13:14

Les événements de sécurité des patients en radiologie représentent une faible proportion des incidents (3,2 %), mais révèlent des vulnérabilités importantes, notamment chez les enfants et les personnes âgées, avec un risque élevé lié aux médicaments et aux produits de contraste, selon une étude publiée dans Current Problems in Diagnostic Radiology

7:13

Les patientes atteintes d’un cancer du sein qui développent un dysfonctionnement cardiaque lors d’une chimiothérapie néoadjuvante subissent également une perte de tissu cérébral significativement plus importante que celles dont la fonction cardiaque reste stable, selon une étude publiée dans Academic Radiology.
09 Avr

16:21

Une étude multicentrique publiée dans European Radiology montre qu’un modèle de deep learning combinant nnU-Net et ConvNeXt-tiny permet d’évaluer avec précision l’invasion musculaire dans le cancer de la vessie à partir d’IRM, avec des performances élevées et stables.
Docteur Imago

GRATUIT
VOIR