Thèse Stratification du Risque d'Accident Vasculaire Cérébral Cardioembolique à l'Aide de l'Imagerie Médicale et de la Simulation du Flux Sanguin H/F - Doctorat.Gouv.Fr

Établissement : Université Côte d'Azur
École doctorale : STIC - Sciences et Technologies de l'Information et de la Communication
Laboratoire de recherche : E-Patient : Images, données & mOdèles pour la médeciNe numériquE
Direction de la thèse : Maxime SERMESANT ORCID 0000000262568350
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-05-03T23:59:59

Avec 6 millions de victimes chaque année, l'accident vasculaire cérébral (AVC) est la deuxième cause de mortalité dans le monde. Les 20 millions de patients qui survivent à leur AVC souffrent souvent d'une invalidité à long terme. 20 à 30 % des AVC ischémiques sont cardio-emboliques. Ces AVC sont plus graves et avec des taux élevés de récidive précoce et à long terme. Le nombre d'AVC cardio-emboliques a triplé au cours des trois dernières décennies et les projections prévoient qu'il triplera à nouveau d'ici 2050. Le paradoxe de cette situation est que des traitements sont disponibles : l'anticoagulation orale est une thérapie préventive efficace, mais les stratégies actuelles pour identifier les patients chez qui elle sera bénéfique manquent d'efficacité.

L'objectif de ce projet est de développer des outils innovants pour la prévention de l'AVC cardioembolique. Actuellement, la détection de la fibrillation auriculaire (FA) sert de seul point d'entrée pour la prévention, bien qu'elle ne soit pas la cause exclusive d'un AVC cardioembolique. Le score CHA2DS2-VASC, qui guide la thérapie anticoagulation, est dérivé de cohortes rétrospectives prédisant un AVC ischémique plutôt que des événements spécifiquement cardioemboliques. Or les patients souffrant d'un AVC non cardioembolique ne bénéficient pas de l'anticoagulation. Les biomarqueurs cardiaques, tels que la forme de l'oreillettte gauche (OG), sont récemment apparus comme des prédicteurs du risque d'AVC. Cependant, ils n'intègrent pas les caractéristiques du flux sanguin responsables de la thrombogenèse.

Deux méthodes principales quantifient de manière non invasive le flux sanguin 3D. Tout d'abord, l'IRM de flux 4D capture les vitesses sanguines 3D+t sans rayonnement, mais une résolution limitée entrave l'analyse de la contrainte de cisaillement des parois et des vortex, en particulier dans l'appendice auriculaire gauche. Deuxièmement, la mécanique des fluides (MdF) simule l'hémodynamique à haute résolution, mais nécessite une géométrie spécifique au patient, une mécanique des parois et des conditions limites, ainsi qu'une imagerie et une expertise avancées.

Dans ce projet de doctorat à l'Inria, en collaboration avec l'équipe iCV du Laboratoire d'Imagerie Biomédicale-LIB (Sorbonne Universités, Inserm) et l'équipe M2P2 (Université d'Aix-Marseille), nous combinerons l'imagerie avancée avec la MdF haute résolution pour créer des cartes hémodynamiques de l'OG. L'objectif est de simuler les aspects physiologiques de la fonction auriculaire. Cela permettra de mieux comprendre les mécanismes de la thrombogenèse et de développer de nouveaux biomarqueurs pour la stratification du risque d'AVC. Ensuite, des modèles de substitution seront développés en tirant parti des techniques d'IA récentes afin d'obtenir des simulations rapides pour la stratification du risque à grande échelle.

Les simulations seront validées à l'aide de l'IRM de flux 4D fournie par l'équipe iCV. Les données seront tirées de 50 patients atteints de FA de l'étude CTstrain-AF (imagerie CT et IRM), une collaboration entre LIB et l'hôpital Pitié-Salpêtrière. Des reconstructions 3D précises ont déjà été générées à partir de CT. Le mouvement de la paroi et les vitesses d'écoulement moyennes dans les veines pulmonaires ont été mesurés à partir d'images d'IRM de flux 4D.

Le solveur MdF sera développé avec l'équipe M2P2, qui travaille sur les flux biologiques complexes, y compris la circulation sanguine, le remplacement de la valve aortique, le transport cellulaire, en utilisant des méthodes telles que Lattice Boltzmann (LBM). Cette approche permet des simulations précises appliquées aux processus physiologiques, contribuant à une meilleure compréhension des maladies et au développement de technologies médicales innovantes.

Il s'agit donc d'un projet véritablement interdisciplinaire à l'intersection de l'imagerie médicale, de la modélisation mathématique et de la simulation spécifique au patient.

Outils de simulation personnalisée développés a l'Inria, méthodes numériques efficaces développées a AMU, et approches d'imagerie innovantes développées a Sorbonne Universités.

Développer de nouveaux biomarqueurs pour prédire le risque d'AVC

- Master en mathématiques appliquées ou en génie biomédical. Connaissance de l'apprentissage automatique.
- Motivé par la modélisation mathématique et l'apprentissage automatique
- Désireux de travailler dans le domaine médical
- Bonnes compétences en Python
- Maîtrise de l'anglais (lecture, écriture, expression orale)