Outcomes Prediction in Acute Cervical Traumatic Spinal Cord Injury from Clinical and Preoperative Magnetic Resonance Imaging-Based Models: The Role of Imaging Biomarkers

Le présent mémoire se dédie aux lésions médullaires traumatiques (LTM), qui figurent parmi les conditions les plus dévastatrices d’un point de vue neurologique fonctionnel, avec des répercussions inestimables sur la qualité de vie des personnes atteintes. En l’absence de traitement actuellement reconnu pour renverser la paralysie des LTM, la sévérité initiale de l’atteinte constitue un déterminant central de l’orientation thérapeutique et du pronostic neurologique, dont la portée peut être limitée en phase aiguë. L’imagerie par résonance magnétique (IRM) o"re des perspectives intéressantes par le biais de biomarqueurs d’imagerie pouvant complémenter l’évaluation clinique: leur utilité réelle demeure toutefois controversée. Des approches multimodales de prédiction du prognostique neurologique incorporant données cliniques et d’imagerie, notamment par apprentissage ma-chine, demeurent encore peu exploitées dans les LTM cervicales aiguës préopératoires. Dans ce contexte, ce mémoire vise à évaluer la valeur pronostique des biomarqueurs IRM en lien avec la sévérité neurologique initiale, finale (au congé de la réadaptation) et son évolution. La première partie se consacre au développement de SlicerCART, un module d’annotation d’images permettant la création d’étiquettes et de masques de segmentation, soulignant l’importance d’outils adaptés. À partir de ces masques, des biomarqueurs IRM sont extraits. La deuxième partie traite de l’évaluation de la reproductibilité des biomarqueurs IRM acquis manuellement. Les valeurs obtenues sur les séquences sagittales sont comparées aux séquences axiales pour chaque méthode d’acquisition. Une analyse de la variabilité intra-observateur est également réalisée pour un sous-groupe de participants. Les résultats sont mitigés pour la concordance et reproductibilité des mesures manuelles.

Abstract

This thesis focuses on traumatic spinal cord injuries (tSCI), among the most devastating neurological conditions with profound impact on quality of life. Without any proven therapy capable of significantly reversing paralysis, the initial severity of the injury remains central for clinical decision-making and prognosis, although it may be limited in the acute phase. Magnetic resonance imaging (MRI) presents promising avenues through imaging biomarkers that could complement the clinical assessment. However, the real-world prognostic value of these biomarkers remains controversial. Advanced multimodal prognostic models integrating clinical and imaging data—particularly those leveraging machine learning—are still under-used in the context of acute preoperative cervical tSCI. Thus, this thesis aims to evaluate the prognostic relevance and associations of MRI biomarkers in relation to initial injury severity, final severity at discharge from rehabilitation, and recovery trajectory. The first part details the development of SlicerCART, a dedicated image annotation module enabling the creation of segmentation masks and classification labels, highlighting the im-portance of tailored tools for large-scale imaging studies. Ground-Truths MRI biomarkers are extracted from these manual segmentations.