Jumeaux numériques pulmonaires du patient à partir d'imagerie tomodensitométrique multi-volumes pour une ventilation mécanique protectrice personnalisée dans le SDRA

Plus de trois millions de patients développent chaque année un syndrome de détresse respiratoire aiguë (SDRA), dont la mortalité demeure de 30 à 50 % et dont le traitement reste essentiellement symptomatique. La ventilation mécanique est un moyen de suppléance vital, mais elle aggrave elle-même les lésions pulmonaires par des contraintes statiques et dynamiques excessives — les lésions induites par la ventilation (VILI). En raison de la très forte variabilité inter-individuelle de la mécanique pulmonaire, le choix des réglages ventilatoires optimaux reste largement empirique, et le paradigme émergent est celui d'une ventilation personnalisée pour une protection pulmonaire optimale. Cette thèse constitue le socle méthodologique du projet ANR OPTIVENT : elle a pour objectif de transformer des examens tomodensitométriques thoraciques acquis à plusieurs volumes pulmonaires en jumeaux numériques fonctionnels du poumon, capables de reproduire la réponse mécanique du poumon d'un patient donné sous ventilation contrôlée. La démarche s'appuie sur un cadre déjà démontré par notre équipe, dans lequel les propriétés matérielles régionales du parenchyme, extraites de cartes de déformation obtenues par recalage déformable entre deux volumes pulmonaires cliniquement pertinents, sont intégrées dans un modèle computationnel patient-spécifique de la mécanique respiratoire couplant un arbre bronchique anatomiquement réaliste, la compliance régionale et la dynamique de recrutement/dérecrutement alvéolaire. Le travail doctoral portera sur trois verrous successifs. Le premier est le passage à l'échelle : l'extraction robuste et contrôlée en qualité des descripteurs de déformation régionale, et l'estimation des paramètres biomécaniques sur une cohorte de plus de 200 patients SDRA imagés à pressions et volumes connus dans l'étude observationnelle prospective multicentrique CT4ARDS-2 (NCT06113276). Le deuxième est l'harmonisation : la construction d'une chaîne de traitement reproductible, déployable sur les différents sites cliniques et applicable à des jeux de données publics multi-volumes, aboutissant à un jeu de données stratifié par niveau de confiance. Le troisième est l'exploitation : l'utilisation de ces jumeaux numériques comme plateforme d'essais cliniques virtuels, où chaque modèle est soumis à un large éventail de stratégies ventilatoires — essais de PEEP, pression de plateau, volume courant, temps inspiratoire — afin de cartographier, patient par patient, la relation entre réglages du ventilateur et indicateurs de risque lésionnel : recrutement parenchymateux et surdistension. Le/la doctorant·e produira ainsi la cohorte de jumeaux numériques et le corpus d'apprentissage sur lesquels reposera le modèle prédictif explicable développé dans la suite du projet OPTIVENT. Au-delà du SDRA, la chaîne de traitement et le cadre de simulation développés constitueront une ressource réutilisable pour la personnalisation de l'assistance ventilatoire en général, de l'anesthésie générale au sevrage ventilatoire. École doctorale : ISCE - Ingénierie pour la Santé la Cognition et l'Environnement Direction : Sam BAYAT Financement : ANR Financement d'Agences de financement de la recherche