Projet JUNE : La modélisation des flux aériens nasaux améliore-t-elle la compréhension physiopathologique et le diagnostic des troubles respiratoires fonctionnels ? – JUNE

L’Obstruction Nasale Chronique (ONC) n’est pas mesurable en pratique clinique et représente un manque important pour le clinicien. De plus, les composantes de l’ON sont mal connues. Simuler le passage de l’air dans le nez à partir du traitement informatique du scanner du patient est une technologie inaccessible au clinicien. Or, Cette simulation permettrait d’obtenir les valeurs physiques de référence du confort respiratoire nasal et de mesurer l’ON. Cependant nous avons besoin d'une analyse fine, corrélée au gold standard et aux pratiques cliniques, validées sur un grand nombre de patients pour connaitre le confort respiratoire nasal avant et après traitement afin de distinguer les situations normales des situations pathologiques et connaitre enfin la véracité des paramètres physiques enregistrés lors des différents travaux de recherche en simulation.
Les principales étapes de réalisation et les techniques utilisées sont les suivantes : 1. Construire un modèle 3D de l’organe naso-sinusien à partir d'un scanner incluant une segmentation automatique des cavités nasales proche de l'anatomie et de l'expertise du praticien - 2. Développer une génération automatique adaptative de maillage tétraédrique adapté à la simulation de flux d'air dans les volumes d'intérêt segmentés ; - 3. Développer une construction automatisée des géométries de surface de la cavité nasale en utilisant une approche basée sur deep-learning et l’IA. - 4. Développer un solveur volumes finis (lignes de code de calcul) pour simuler la dynamique des fluides et les optimiser ;- 5. Corréler les résultats des simulations avec le symptôme (ONC).
Ce projet associe le savoir-faire d'ingénieurs et de cliniciens spécialisés dans les différentes barrières technologiques et cliniques. Le service de rhinologie du CHU de Bordeaux est leader pour les chirurgies fonctionnelles du nez et les troubles obstructifs du sommeil. Il travaille en étroite collaboration avec le CIC-IT (CIC1401) et la société Optifluides depuis 10 ans pour résoudre de nombreuses problématiques de rhinologie et de simulation numériques de l’air (CFDS). OptiFluides est une société française d'ingénierie privée spécialisée dans la Recherche et le Développement liés à la Dynamique des Fluides issue des travaux de l'Institut National des Sciences Appliquées (INSA). Ce projet bénéficie de son réseau d'ingénieurs spécialisés dans la recherche en imagerie biomédicale (Créatis, INSA), en intelligence artificielle (IA), analyse de données massives, vision par ordinateur, cybersécurité, transformation et apprentissage humain (LIRIS, Université de Lyon1).
L'impact clinique découle d’une attente des praticiens en l’absence d’outil diagnostique. Il s'agit donc de fournir aux praticiens un nouvel examen complémentaire validé et corrélé à la clinique, leur permettant de mieux appréhender les situations cliniques, d'argumenter la décision thérapeutique et le suivi. Nous voulons mesurer l’ONC comme dosage d’hémoglobine, un audiogramme ou un électrocardiogramme. L'objectif final est de fournir un prototype commercialisable et exploitable qui devrait résoudre de nombreuses incertitudes (ONC architectural, troubles obstructifs du sommeil, traitement de la qualité de vie post-cancer, suivi de rhino-sinusites chroniques, etc.). Les impacts sont aussi scientifiques et économiques puisqu’aucun outil n'est disponible combinant ces étapes technologiques de manière automatique améliorées par du deep learning et de l’IA, et parce que de telles informations réduiraient de 25% le taux d'échec de chirurgies fonctionnelles parfois inutiles, réduiraient les échecs de prise en charge des patients souffrant de troubles obstructifs du sommeil permettant ainsi de réduire la charge financière du système de santé.