Neonatal Resting-State Functional Magnetic Resonance Imaging: Optimization of Data Acquisition and Democratization of Data Preprocessing

L’extrême prématurité et les cardiopathies congénitales sont associées à un risque élevé de lésions cérébrales induisant des troubles neurocognitifs sévères. Jusqu’à récemment, l’examen de ces lésions reposait sur des techniques neuroanatomiques, offrant peu d’informations quant à leurs conséquences sur le plan fonctionnel. En ce sens, l’analyse des réseaux neuronaux en état de repos par IRM fonctionnelle constitue une approche prometteuse pour mieux comprendre l’effet de ces lésions. De plus ils commencent à apparaître dès le troisième trimestre de gestation, avec de fortes perturbations lors d’une naissance prématurée. Sur le plan clinique, l’impact des atteintes cérébrales sur les différents réseaux en état de repos, offrirait des avancées en termes de pronostic puisque ces atteintes, quoique présentes dans les premiers mois de vie, n’ont une expression clinique que plusieurs années après la naissance. Malgré les possibilités offertes par IRM fonctionnel en état de repos, son application pose divers défis méthodologiques. La qualité des images peut être altérée par le mouvement de la tête, pouvant conduire à des données inutilisables, et que l’on découvre à posteriori pendant les étapes de traitement d’images, car une inspection visuelle des données est impossible due au grand volume de données acquises. De plus, le traitement des données RS néonatales est très complexe. Des outils permettant le preprocessing des données existent chez l’adulte, mais ceci est difficilement applicable au nouveau-né à cause de l’inversion du contraste matière blanche/grise dû au processus de myélinisation ou de la constante croissance. Pour pallier à ces limitations, il est nécessaire d’acquérir des images d’excellente qualité ainsi que le développement d’outils adaptés aux besoins des images des nouveau-nés. Car, pour réussir le pretraitement des données IRM fonctionnel en état de repos néonatales, chaque bébé doit être traité de façon individuelle et avec beaucoup d’attention. Ce projet porte donc sur le développement d’un protocole optimisé pour le nouveau-né ainsi que l’évaluation du mouvement de la tête en temps réel (pendant que le bébé est encore dans l’IRM) afin de décider si les données acquises passent les critères de qualité ou si des données additionnelles doivent être collectées avant de sortir le bébé de l’IRM. Ceci permet d’acquérir des données de qualité, réduisant ainsi le nombre de sujets rejetés dans une étude. Enfin, afin de permettre aux différents centres de traiter leurs données de façon rapide et efficace, nous avons développé un outil open-source appelé NeoRS, permettant le pretraitement individuel des données néonatales. NeoRS répond aux spécificités du pretraitement des images néonatales en accordant une attention particulière au recalage, y compris à l’atlas néonatal, ainsi qu’aux paramètres tels que les différences de contraste dues à la myélinisation et de taille de la tête. Nous espérons que NeoRS permettra à un plus grand nombre de centres de pretraiter leurs ensembles de données, contribuant ainsi à produire un plus grand nombre d’études. Cela permettra, à terme, de développer des applications pour l’utilisation des réseaux en état de repos comme biomarqueur de l’intégrité cérébrale.