En imagerie par résonance magnétique, contrairement à d’autres types d’imagerie, il est possible d’acquérir des images avec différents contrastes (on parle de contrastes pondérés en T1, T2, en densité de protons…). C’est en jouant sur les paramètres d’acquisition que l’on peut minimiser ou au contraire accentuer le signal de certains tissus. Les images pondérées contiennent des informations complémentaires et le clinicien les synthétisent pour poser son diagnostic. Il serait pourtant intéressant, pour améliorer encore davantage l’analyse, d’obtenir des images paramétriques quantitatives susceptibles d’apporter une information plus fiable, sans biais et reproductible. Ce saut technologique n’est pas trivial en particulier à ultra-haut champ magnétique, car l’acquisition peut s’avérer longue et le résultat dépendant des hétérogénéités de l’excitation par la radiofréquence. Des chercheurs de l’unité BAOBAB (NeuroSpin), en collaboration avec le CRMBM (Marseille) et l’ICM (Paris), ont mis au point une séquence unique pour acquérir en parallèle tous les paramètres nécessaires à la reconstitution de différentes cartes paramétriques, superposables, pour l’ensemble du cerveau et dans un temps adapté à un examen clinique. Ils l’ont d’abord évaluée par simulation numérique avant de vérifier son comportement sur des « fantômes » et enfin in vivo, sur six volontaires sains. Travaillant à 7 teslas, ils ont utilisé la transmission parallèle sans calibration (voir actualité Joliot de 2019) afin de s’affranchir des problèmes d’hétérogénéité de la transmission de radiofréquence dans le cerveau.
Au total, onze contrastes ont été acquis avec une séquence optimisée (en faisant varier l'amplitude de l'angle de basculement et l'incrément du cycle de phase radiofréquence), à une résolution de 1×1x3mm3 permettant ainsi de remonter aux paramètres quantitatifs. Les résultats étaient conformes à la littérature et aux mesures des méthodes standard.
Ces résultats préliminaires montrent une récupération robuste des principales cartes utilisées par les cliniciens (densité de proton, angle de basculement, T1 et T2). D'autres paramètres, tels que le coefficient de diffusion apparent, ont pu être évalués. Avec une optimisation supplémentaire de l'acquisition, le temps de balayage pourrait être réduit et la résolution spatiale augmentée pour amener cette méthode de quantification multiparamétrique en routine de recherche clinique à 7 teslas.
Avec cette méthode, la quantification, reproductible, pourrait permettre un diagnostic personnalisé. « Un peu comme pour l’analyse biologique d’un prélèvement sanguin, on serait en mesure de dire à un patient quel paramètre dans une zone précise (voxel) de son cerveau n’est pas dans la normalité », affirme Alexandre Vignaud, coordonnateur de cette étude. « A plus long terme, l’ensemble des données pourraient être interprétées par des algorithmes d’intelligence artificielle pour l’aide au diagnostic », conclut-il.