Publicité

Dysplasie de hanche : la modélisation statistique de la forme pour prédire son évolution

25/01/2022
De Bruno Benque avec RSNA

Une technique décrite dans un article de la Revue Radiology et utilisant des images échographiques pour déterminer la profondeur et la forme du cotyle de la hanche peut prédire avec précision l’évolution d’une dysplasie de hanche chez les nourrissons. Les chercheurs ont utilisé la modélisation statistique des formes pour améliorer le diagnostic prédictif, ce qui pourrait significativement réduire les surtraitements pour cette pathologie.

Selon l'Institut international de la dysplasie de la hanche, un nourrisson sur 10 naît avec une instabilité de la hanche et des ligaments lâches. Après la naissance, la plupart se resserreront naturellement et seulement un nourrisson sur 100 aura besoin d'un traitement pour la dysplasie de la hanche.

Quelle évolution à moyen terme pour les dysplasies de hanche stables de Graf 2 ?

Il n'y a pas de consensus sur comment et quand traiter la dysplasie stable de la hanche (type Graf 2, tel que déterminé par le système de classification Graf). On estime qu'environ 80 % des hanches Graf 2 stables évolueront comme normales sans traitement. Mais comme il n'y a actuellement aucun moyen de différencier les deux évolutions de cette pathologie, un grand pourcentage de cas stables sont susceptibles d'être surtraités, selon l'auteur principal d’une étude publiée sur le sujet dans la Revue Radiology, le Pr Ralph JB Sakkers, du département de chirurgie orthopédique du centre médical universitaire d'Utrecht (Pays-Bas).

« Les conséquences négatives les plus importantes du surtraitement sont les charges financières et logistiques pour les parents et la société, remarque le Dr Sakkers. Les conséquences médicales du surtraitement sont relativement rares, mais le risque n'est pas nul. S'il existe une conséquence médicale rare, il s'agirait probablement d'une nécrose avasculaire de la hanche due à une mauvaise utilisation du dispositif de traitement. »

Les promesses de la modélisation statistique de la forme par ultrasons

Le système de classification Graf est couramment utilisé pour évaluer la dysplasie de la hanche, mais il a des limites. Les patients sont classés par groupes, en fonction de l'angle acétabulaire sur les images échographiques. Cet angle est dérivé de la profondeur et de la forme du cotyle de la hanche où s'adapte la tête du fémur. Le système Graf présente une grande variabilité et une faible concordance dans toutes les mesures de dysplasie de la hanche rapportées, la qualité de l'image échographique et l'apparence anatomique de l’articulation pouvant être affectées par le positionnement de la sonde.

La modélisation statistique de la forme par ultrasons est une méthode alternative qui quantifie la forme de l'image de la hanche avec plusieurs points de référence qui ont chacun une coordonnée X et une coordonnée Y dans l'image échographique 2D. Elle offre des avantages potentiels par rapport aux modèles prédictifs existants. « En quantifiant l'image de la hanche avec une modélisation statistique de la forme, beaucoup plus de données sont extraites des images échographiques par rapport aux méthodes actuelles utilisées », poursuit le Dr Sakkers.

Des résultats encourageants qui pourraient permettre de limiter les surtraitements

Dans cette étude, le Dr Sakkers et ses collègues ont analysé le pouvoir prédictif de la technique chez 97 nourrissons atteints de dysplasie stable de la hanche. Ils ont développé une modélisation statistique de la forme sur des images échographiques de base, puis ont corrélé le modèle avec une dysplasie persistante de la hanche à l'échographie après 12 semaines de suivi et une dysplasie résiduelle de la hanche sur les radiographies pelviennes vers l'âge d'un an. Les résultats ont montré que la modélisation statistique de la forme prédisait avec précision quelles hanches étaient devenues normales ou restaient dysplasiques. Ce processus a également identifié les hanches qui ont bénéficié d'un traitement avec le harnais Pavlik, une attelle souple qui favorise le développement normal de l'articulation de la hanche.

Bien que des recherches supplémentaires soient nécessaires pour valider ce proof of concept, les résultats de cette étude expriment un rôle futur pour la modélisation statistique de la forme dans la clinique. « La méthode pourrait être automatisée après validation, de la même manière que la détermination automatisée actuelle de l'âge osseux sur les radiographies de la main », conclut le Dr Sakkers.

Les chercheurs espèrent prouver la robustesse de la méthode avec des recherches supplémentaires dans d'autres populations de patients atteints de dysplasie de la hanche stable selon la classification Graf.

SUR LE MÊME THÈME

Imagerie Ostéo-articulaire
Un authentique biomarqueur IRM pour les risques cardio-métaboliques
Abonné(e)

Un authentique biomarqueur IRM pour les risques cardio-métaboliques

En utilisant un modèle de deep learning pour analyser la composition des grands muscles sur des images IRM, des chercheurs allemands ont découvert que les proportions de graisse intermusculaire et de masse musculaire maigre étaient associées à une hypertension artérielle et à des taux de lipides et...

12/05/2026 -

Imagerie Ostéo-articulaire
Un modèle de deep learning pour identifier les métastases osseuses à la TDM
Abonné(e)

Un modèle de deep learning pour identifier les métastases osseuses à la TDM

Il est désormais possible d’identifier des métastases osseuses à partir de modèles de deep learning et d’images de tomodensitométrie. Une étude publiée dans la Revue Radiology : Artificial intelligence compare les performances de deux modèles de deep learning à celle de radiologues juniors et expéri...

21/04/2026 -

Imagerie Ostéo-articulaire
L'IRM matérialise la graisse intramusculaire des consommateurs de malbouffe
Abonné(e)

L'IRM matérialise la graisse intramusculaire des consommateurs de malbouffe

La consommation d’aliments ultra-transformés est associée à une plus grande accumulation de graisse dans les muscles des cuisses, indépendamment de l'apport calorique ou de l'activité physique, au sein d'une population à risque d'arthrose du genou. C’est le résultat d’une étude publiée dans la Revue...

15/04/2026 -

Imagerie Ostéo-articulaire
Le deep learning pour la segmentation tumorale de l'ostéosarcome pédiatrique par IRM
Abonné(e)

Le deep learning pour la segmentation tumorale de l'ostéosarcome pédiatrique par IRM

Les variations du volume tumoral par IRM sont un bon biomarqueur non invasif et le deep learning permet d’optimiser la segmentation tumorale dans ce cadre. Une étude publiée dans la Revue European Radiology compare les résultats de la segmentation par réseau de neurones convolutifs à la segmentation...

08/04/2026 -

Imagerie Ostéo-articulaire
Évaluation quantitative de métastase osseuse améliorée grâce à l'empreinte par résonance magnétique
Abonné(e)

Évaluation quantitative de métastase osseuse améliorée grâce à l'empreinte par résonance magnétique

L’empreinte par résonance magnétique peut-elle apporter des éléments quantitatifs de la réponse au traitement des métastases osseuses ? C’est ce que cherche à démontrer une étude publiée dans la Revue European Radiology qui met en jeu des mesures T1 et T2 obtenues par ERM, comparées à l’IRM conventi...

07/04/2026 -

Imagerie Ostéo-articulaire
Un ensemble de données unique pour le classement des lésions dégénératives rachidiennes
Abonné(e)

Un ensemble de données unique pour le classement des lésions dégénératives rachidiennes

Développer un modèle d’IA robuste pourrait permettre un classement des lésions dégénératives rachidiennes. Une étude publiée dans la Revue Radiology : Artificial Intelligence utilise un ensemble de données unique quant à sa taille et à sa diversité, avec des images annotées par différentes sociétés...

03/04/2026 -

Imagerie Ostéo-articulaire
Des deepfake générés par l'IA qui ressemblent à des radiographies réelles
Abonné(e)

Des deepfake générés par l'IA qui ressemblent à des radiographies réelles

D'après une étude publiée aujourd'hui dans la Revue Radiology, ni les radiologues ni les grands modèles de langage (LLM) ne parviennent à distinguer facilement les images radiographiques « deepfake » générées par IA par rapport aux images authentiques. Ces résultats soulignent les risques liés aux i...

24/03/2026 -

LETTRE D'INFORMATION

Ne manquez aucune actualité en imagerie médicale et radiologie !

Inscrivez-vous à notre lettre d’information hebdomadaire pour recevoir les dernières actualités, agendas de congrès, et restez informé des avancées et innovations dans le domaine.