MRQA : Résolution du problème généralisé des non-conformités des protocoles MRI

Introduction

Ces dernières années, les grands ensembles de données de neuroimagerie ont joué un rôle crucial dans la recherche sur les relations cerveau-comportement, comme le plan de neuroimagerie de la maladie d’Alzheimer (ADNI), le Projectome Connectome Humain (HCP), l’étude sur le développement cognitif du cerveau des adolescents (ABCD), etc. Ces ensembles de données sont souvent recueillis par plusieurs sites et divers modèles de scanners. Cependant, la collecte de données inter-sites ou inter-appareils pose un problème majeur : le manque de cohérence des paramètres d’imagerie. Les incohérences des paramètres d’imagerie peuvent sérieusement affecter la qualité des données, réduire le rapport signal-bruit (SNR) et l’efficacité statistique, et peuvent même invalider les résultats de l’étude.

Traditionnellement, assurer la cohérence du protocole de scan MRI est une tâche complexe et manuelle. Cela est principalement dû à la complexité de la norme DICOM (Digital Imaging and Communications) et au manque de ressources dédiées à ce problème. De plus, comme les valeurs des paramètres des différents sites sont souvent ajustées de manière improvisée, les problèmes de non-conformité des protocoles sont souvent ignorés. Par conséquent, lors de la compilation de données multi-sites, un protocole d’imagerie cohérent devient particulièrement important.

Introduction de l’étude et des auteurs

L’article a été rédigé par Harsh Sinha et Pradeep Reddy Raamana, respectivement de l’école de calcul et des systèmes intelligents, du département d’informatique biomédicale et du département de radiologie de l’Université de Pittsburgh. L’article a été publié dans la revue « Neuroinformatics » et la date d’acceptation est le 4 mai 2024.

Objectif de l’étude et méthode

Étant donné le coût de temps et d’efforts très élevé de la vérification manuelle existante, cette étude propose un outil open source appelé MRQA (Magnetic Resonance Quality Assurance), visant à évaluer automatiquement la conformité des protocoles des ensembles de données MRI. MRQA peut traiter les ensembles de données au format DICOM et BIDS et se concentrer particulièrement sur la détection des non-conformités de protocole. Testé sur plus de 20 ensembles de données de neuroimagerie publics (y compris la grande étude ABCD), les résultats montrent que les problèmes de non-conformité aux protocoles sont répandus. Les non-conformités incluent des écarts dans le temps de répétition (TR), le temps d’écho (TE), l’angle de basculement (FA) et la direction de codage de phase (PED).

Flux de travail

1. Analyse des données : MRQA analyse d’abord l’ensemble de données d’entrée et crée une structure de données contenant tous les paramètres d’imagerie.
2. Vérification de la conformité : L’évaluation et la synthèse des différents modes d’imagerie (comme l’anatomie, le fonctionnel et la diffusion MRI) produisent un rapport de conformité du protocole.

Étapes d’analyse

a. Audit horizontal : Vérifiez la cohérence de la configuration des paramètres avec le protocole de référence pour tous les sujets dans un même mode d’imagerie. b. Audit vertical : Évalue la cohérence entre les différents modes d’imagerie lors d’une même session d’imagerie, assurant la coordination des paramètres d’acquisition entre les modes.

Ce qui distingue MRQA des autres méthodes est sa vérification directe sur le scanner et la possibilité de surveillance régulière par script automatisé (par exemple, quotidiennement ou hebdomadairement), informant rapidement les chercheurs de toute non-conformité.

Résultats

Les tests sur les ensembles de données comme ABCD et OpenNeuro ont révélé des non-conformités significatives chez les scanners de différents fabricants. En particulier, les scanners GE et Philips montrent un taux de non-conformité plus élevé par rapport aux scanners Siemens. Concrètement :

• Ensemble de données ABCD : Pour les images pondérées T1, le taux de non-conformité des scanners Philips était de 64,43 %, tandis que celui des scanners GE était de 2,0 %.
• Ensemble de données OpenNeuro : Plusieurs ensembles ont montré des lacunes dans des paramètres clés comme PED, l’intensité du champ magnétique et la durée de l’écho.

Ces résultats indiquent que les non-conformités de protocoles sont un problème courant dans la collecte de données multi-sites, nécessitant des vérifications de conformité avant et après l’acquisition d’images pour garantir l’intégrité et la fiabilité des données.

Discussion et importance

Les problèmes de conformité n’affectent pas seulement les performances prédictives des modèles de calcul, mais peuvent également impacter l’application large des essais cliniques et la reproductibilité des résultats scientifiques. En introduisant l’outil automatique de vérification de la conformité des protocoles, MRQA, on peut réduire de manière significative les erreurs et omissions possibles pendant la vérification manuelle, améliorant ainsi la qualité des ensembles de données et l’efficacité de l’analyse statistique.

Cette étude met en lumière l’importance de détecter et de corriger rapidement les non-conformités pendant le processus de collecte de données. Bien que MRQA ait encore certaines limitations, comme l’incapacité à analyser les paramètres dans les en-têtes propriétaires de GE et Philips, il fournit un outil important pour assurer la cohérence des protocoles des ensembles de données MRI et a un large potentiel d’application.

Conclusion

L’outil MRQA présenté dans cet article offre une solution efficace pour résoudre le problème de non-conformité des protocoles dans les ensembles de données MRI. Il peut générer automatiquement des rapports de conformité, aidant les chercheurs à détecter et à corriger les non-conformités en temps opportun, garantissant ainsi l’intégrité des données et la fiabilité de l’analyse statistique. Alors que les ensembles de données de neuroimagerie continuent de croître en taille, l’utilité et l’importance de cet outil deviendront de plus en plus significatives.