Tom Le Tutour soutiendra sa thèse réalisée à l'institut PPrime le 19 mai 2025 à 13h à l'Université de Poitiers et en visioconférence.
Titre : Modeling of the spinal canal and intramedullary neural network geometry and analysis of electric fields diffusion generated by epidural spinal cord stimulation
Encadrement : Philippe RIGOARD ; Arnaud GERMANEAU ; Karim EL HOUARI
Résumé :
La douleur est définie par l’International Association for the Study of Pain comme « une expérience sensorielle et émotionnelle désagréable associée, ou ressemblant à celle associée, à un dommage tissulaire réel ou potentiel. » La douleur chronique affecte significativement la qualité de vie et et pèse économiquement sur la société. La douleur chronique est souvent traitée par la pharmacothérapie, qui peut entraîner des effets secondaires et des addictions. Certains patients peuvent également être réfractaires à ces traitements. Les propriétés antalgiques des champs électriques sur le système nerveux sont connues empiriquement depuis des siècles. Cette compréhension a conduit au développement de la Stimulation Médullaire Épidurale (SME), une thérapie nécessitant l’implantation d’une électrode dans l’espace épidural, face à la moelle épinière, et la ciblant afin d’inhiber la douleur, comme décrit dans la théorie du Gate Control de Melzack et Wall.
Malgré l’efficacité prouvée de la SME, son succès chez chaque patient reste imprévisible. Cela peut être attribué à l’anatomie complexe dans laquelle la SME agit, composée de nombreux tissus et liquides dont les propriétés sont inconnues, ainsi qu’à la nécessité de cibler une anatomie microscopique complexe. Une multitude de paramètres de stimulation (fréquence, forme d’onde, nombre et arrangement des anodes/cathodes) sont disponibles pour les cliniciens, mais aucun standard n’existe pour leur sélection.
La modélisation numérique, en particulier par la méthode des éléments finis (MEF), peut être utile pour mieux comprendre le champ électrique généré par la SME épidurale dans l’environnement complexe où elle est située, ainsi que ses effets sur les tissus neuronaux de la moelle épinière.
Dans cette optique, nous avons cherché à reproduire les simulations en deux étapes développées depuis les travaux de Coburn et Sin ainsi que ceux de l’équipe de Holsheimer. Tout d’abord, le champ électrique généré par la SME est calculé par la MEF, puis ce champ est appliqué à des modèles du comportement électrique des tissus neuronaux pertinents pour la SME.
Afin de reproduire ces travaux, nous avons développé un processus reproductible et réutilisable. Tout d’abord, une représentation géométrique de la moelle épinière et de son environnement, ainsi que des électrodes implantées, a été générée à l’aide d’Ansys SpaceClaim. Cette représentation a été progressivement affinée, notamment grâce à l’utilisation de ressources d’imagerie telles que le modèle PAM50 de la moelle épinière. Le champ électrique généré par la stimulation est ensuite calculé à l’aide d’Ansys MAPDL. L’effet du champ électrique calculé sur les axones de la moelle épinière ont ensuite été évalués à l’aide du logiciel NEURON. Ces méthodes ont été testées pour leur stabilité et leur convergence et ont permis de reproduire des résultats connus de la littérature. L’influence des conductivités des tissus sur l’impédance calculée a également été étudiée afin de mieux comprendre l’effet des propriétés des tissus entourant les électrodes implantées. Les méthodes développées ont également permis de produire des résultats comparables aux données mesurables sous forme de cartes de paresthésie.
Ces méthodes ont ensuite été adaptées à l’imagerie spécifique des patients afin de corréler les résultats avec les paresthésies rapportées par les patients. Bien qu’une génération semi-automatique des modèles ait été atteinte, la prédiction du modèle a montré une concordance relativement modérée avec les résultats rapportés par les patients.
Les méthodes développées ont également été utilisées dans le cadre de la simulation du comportement mécanique de l’électrode implantée et des tissus environnants, ainsi que dans le cadre de nouvelles modalités de stimulation.
Dans l’ensemble, ce travail montre le potentiel de la modélisation pour améliorer la prévisibilité des résultats de la SCS et propose un cadre pour de futures améliorations des stratégies de stimulation.
Lien visio : contacter