Développement d’un outil automatisé pour de diagnostic des maladies artérielles

      La maladie artérielle périphérique (MAP) est une affection courante dans laquelle les lésions athérosclérotiques rétrécissent les artères des membres inférieurs, réduisant le flux sanguin vers les jambes. C'est la troisième cause de morbidité et de mortalité vasculaire après la maladie coronarienne (CAD) et l'accident vasculaire cérébral. Une détection précoce et un traitement efficace de la MAP sont nécessaires pour réduire la morbidité et la mortalité. Cependant, la MAP est souvent sous-diagnostiquée en absence d’une stratégie de traitement claire.        Les stratégies actuelles de diagnostic et de traitement reposent généralement sur une interprétation très basique de grandeurs hémodynamiques (pression, débit et vitesse) qui ne tiennent pas compte de la variabilité inter-patients dans l'expression de l'athérosclérose, ni de la réponse spécifique du patient aux lésions occlusives.      Notre objectif était de développer un outil automatisé pour identifier les MAP non diagnostiquées. Ce projet abordera ces problèmes en utilisant approche numérique (simulation numérique et traitement du signal) pour une meilleure compréhension, un diagnostic et un traitement du MAP. Des mesures de pression et de débit obtenues in-silico et/ou in-vitro seront analysées pour caractériser la sévérité d’une sténose ainsi que son emplacement. Des analyses de sensibilité seront ensuite conduites en faisant varier plusieurs variables hémodynamiques pour analyser le poids des diverses composantes dans les dynamiques observées.      Des nouvelles méthodes de traitement de signal dans le domaine fréquentiel et temporel vont être explorés afin de développer de nouveaux biomarqueurs hémodynamiques pour un diagnostic précis de la MAP. Le projet améliorera le diagnostic et le traitement de la MAP en fournissant aux cliniciens un nouvel outil qui combine des mesures hémodynamiques et des images médicales.Le stage sera achevé par la rédaction d’un rapport scientifique (thèse de master) et résumé succinct des résultats pour le grand public.Le candidat doit avoir des compétences en méthodes numériques, traitement du signal et programmation. Travail demandé1.     Prise en main des logiciels COMSOL et SimVascular2.    Simulation de la propagation d’une onde dans le système vasculaire dans des conditions physiologique et pathologique.3.    Analyse des signaux de pression et de débit obtenus.4.    Développement d'un outil automatisé pour la détection de la maladie artérielle périphérique Références[1]- Interpretation of Peripheral Arterial and Venous Doppler Waveforms. A Consensus Statement From the Society for Vascular Medicine and Society for Vascular Ultrasound[2]- Machine Learning-Based Peripheral Artery Disease Identification Using Laboratory-Based Gait[3]- A new formula for predicting the position of severe arterial stenosis[4]- Noninvasive studies for the peripheral artery disease patient