MRIO: Ontologie pour l’acquisition et l’analyse de l’imagerie par résonance magnétique

L’imagerie par résonance magnétique (IRM) est une technique d’imagerie biomédicale utilisée pour visualiser de manière non invasive la structure interne des tissus en trois dimensions. L’IRM est largement utilisée pour étudier la structure et la fonction du cerveau humain, et c’est également un outil puissant pour diagnostiquer les maladies du système nerveux en milieu clinique et de recherche. Cependant, la gestion et l’analyse efficaces des données IRM ont toujours représenté un défi. Pour relever ce défi, Alexander Bartnik et ses collègues ont développé une ontologie pour l’acquisition et l’analyse de l’imagerie par résonance magnétique, appelée MRIO.

Contexte de l’étude

La technologie IRM est largement utilisée en clinique et en recherche en raison de sa capacité à obtenir des images internes du corps de manière non invasive. En clinique, l’IRM peut être utilisée pour diagnostiquer des maladies neurologiques, en fournissant une orientation thérapeutique en localisant et en évaluant le degré des pathologies. En recherche, les données IRM peuvent servir de biomarqueurs, aidant à développer des traitements personnalisés pour les maladies neurologiques et à améliorer la compréhension de la structure, de la fonction et de la connectivité du cerveau. Cependant, la diversité et l’hétérogénéité des données IRM rendent leur gestion et leur analyse complexes et laborieuses.

Objectif de l’étude

Dans la recherche et la pratique clinique, la gestion et l’analyse précises et cohérentes des données IRM nécessitent un “langage commun”. Bien que des normes telles que DICOM et BIDS existent pour organiser et décrire les données d’imagerie, elles présentent encore de nombreuses insuffisances en matière de standardisation des analyses et des résultats dérivés. Les auteurs ont développé l’ontologie MRIO dans l’espoir de fournir une classe logique et des axiomes pour l’acquisition et l’analyse des données IRM afin de permettre leur organisation et analyse normalisées.

Origine de l’étude

Cet article a été rédigé par Alexander Bartnik, Lucas M. Serra, Mackenzie Smith, William D. Duncan, Lauren Wishnie, Alan Ruttenberg, Michael G. Dwyer et Alexander D. Diehl, provenant respectivement de la Jacobs School of Medicine and Biomedical Sciences, University at Buffalo et du College of Dentistry, University of Florida. L’article a été publié dans la revue Neuroinformatics et accepté le 22 avril 2024.

Méthodologie de l’étude

MRIO est développé en utilisant le Web Ontology Language (OWL) 2 avec Protégé, et est strictement conforme aux principes de l’OBO Foundry pour son développement et sa maintenance.

Gestion du développement

Le développement de MRIO utilise le Kit de développement d’ontologie pour garantir la gestion des dépendances et l’interopérabilité. Le moteur de raisonnement HermiT OWL 2 a été utilisé pour évaluer la cohérence logique des axiomes.

Construction

MRIO est basé sur l’ontologie des investigations biomédicales (OBI) et l’ontologie des artefacts d’information (IAO), en utilisant des formats standardisés pour manipuler les données IRM. La plupart des classes sont des sous-classes d’Entity de contenu d’information (IAO:0000030), Data Set (IAO:0000100) et Data Transformation (OBI:0200000).

Validation

En suivant le processus standard de contribution de l’OBI, plusieurs classes ont été développées et contribué à l’intérieur de MRIO, et la classe d’imagerie par résonance magnétique (OBI:0002985) de l’OBI a été étendue pour s’adapter à de nouveaux paradigmes de recherche.

Processus de recherche

MRIO standardise le processus en définissant des entités pour différents types d’acquisition IRM, tels que l’imagerie pondérée en T1 et en T2. Il incorpore également les plages de paramètres d’acquisition IRM courantes extraites des en-têtes DICOM pour décrire des types spécifiques d’acquisition IRM.

Multiples paramètres d’acquisition et analyse des ensembles de données d’images

De l’ensemble des données d’images à la dérivation des données, MRIO définit un ensemble d’axiomes logiques et d’attributs de données pour décrire de manière exhaustive le processus d’analyse des ensembles de données d’images et ses résultats. Par exemple, pour les IRM courantes à haute résolution pondérées en T1 et les IRM T2-FLAIR, MRIO fournit des définitions logiques précises et peut attribuer automatiquement des analyses pour faciliter l’organisation et le rapport des données IRM par les chercheurs.

Outils de requête fédérée et gestion des données

MRIO offre une méthode systématisée pour la gestion et la requête des données d’imagerie neuronale. En générant des requêtes courtes et précises, les chercheurs peuvent facilement récupérer et analyser des données dans les bases de données XNAT, sans avoir besoin de comprendre en profondeur les langages SPARQL ou SQL.

Résultats de l’étude

MRIO est actuellement une ressource importante qui prend en charge une plateforme de neuroinformatique entièrement automatisée, facilitant efficacement la standardisation et la reproductibilité des recherches en imagerie neuronale.

Signification de l’étude

Le développement et l’application de MRIO ont une grande valeur scientifique et des applications pratiques. En fournissant un cadre standardisé et hautement interopérable, MRIO améliore non seulement l’efficacité de la gestion des données IRM, mais favorise également le partage et la réutilisation des données dans la recherche en neuroimagerie.

Valeur scientifique

• Acquisition et analyse standardisées : en normalisant les processus d’acquisition et d’analyse des données, MRIO améliore considérablement l’efficacité de la gestion et de l’utilisation des données IRM.
• Partage et réutilisation des données : développé selon les principes de l’OBO Foundry, MRIO s’intègre à de nombreuses ontologies biomédicales, favorisant le partage et la réutilisation des données dans divers domaines.

Applications pratiques

• Favoriser la recherche en imagerie neuronale : grâce à l’analyse et à la requête automatisées, MRIO offre aux chercheurs un outil de gestion des données simple et efficace.
• Collaboration interdisciplinaire : MRIO facilite l’intégration de la recherche en neuroimagerie avec d’autres domaines biomédicaux, favorisant ainsi des découvertes scientifiques interdisciplinaires.

Conclusion

L’ontologie MRIO fournit un cadre standardisé pour la recherche en imagerie neuronale, aidant les chercheurs à gérer et analyser efficacement les données IRM grâce à des définitions de classes fonctionnelles et normalisées. Le développement et l’évolution de MRIO marquent également un progrès significatif dans le domaine des données scientifiques ouvertes et des ontologies biomédicales, posant des bases solides pour les recherches futures en imagerie neuronale.