Diffusion - IntraVoxel Incoherent Motion imaging of the liver : Early diagnosis of liver fibrosis, parameters variability and means optimization, tri-exponential decay model.

Les séquences d’imagerie par résonance magnétique pondérées en diffusion permettent l’étude des mouvements microscopiques des protons des molécules d’eau dans les tissus biologiques. Pour obtenir des images dont le signal et le contraste sont influencés par les différences de mobilité des protons des molécules d’eau, des gradients de diffusion, qui sont caractérisés par leurs facteurs b, sont ajoutés au sein des séquences d’acquisition. Selon la théorie de l'IntraVoxel Incoherent Motion (IVIM), la diffusion est considérée comme bi-compartimentale avec une composante rapide de la diffusion, liée à la microcirculation, appelée pseudo-diffusion, et une composante lente de la diffusion, liée à la diffusion moléculaire pure. L’obtention de série d’images générées en faisant varier les facteurs b, permet la quantification des paramètres IVIM. Pour extraire les trois paramètres IVIM : Dfast, Dslow et PF, la méthode d’ajustement la plus utilisée est la méthode segmentée qui consiste en le calcul premier de Dslow et PF en utilisant les facteurs b supérieurs à une valeur b seuil, puis de Dfast par une régression non linéaire. L’imagerie IVIM serait intéressante pour détecter des altérations structurelles et de perfusion au sein des tissus biologiques, et donc pour l’évaluation des hépatopathies chroniques. Les maladies chroniques du foie représentent effectivement un problème majeur de santé publique. Quelles qu’en soient leurs causes sous-jacentes, les agressions chroniques du foie provoquent une fibrose évolutive du parenchyme hépatique, le stade le plus avancé de la fibrose hépatique étant la cirrhose hépatique qui s’accompagne d’un risque élevé de morbidités et de mortalité. L’imagerie IVIM pourrait permettre la détection précoce de la fibrose hépatique, permettant alors sa prise en charge et sa régression. Les données de la littérature sont cependant discordantes concernant les performances diagnostiques des différents paramètres IVIM pour le diagnostic précoce de la fibrose hépatique. Une analyse combinée des trois paramètres permettrait de distinguer efficacement les foies ne présentant pas de fibrose des foies présentant une atteinte fibreuse, autorisant alors le diagnostic précoce de la fibrose. L’utilisation d’une valeur seuil b de l’ordre de 60 s/mm² et d’une distribution de valeurs de b débutant par un très faible facteur b strictement supérieur à b=0 s/mm² permettrait d’améliorer les performances diagnostiques. Par ailleurs, en imagerie hépatique, les paramètres IVIM présentent une importante variabilité et une mauvaise reproductibilité. Plusieurs facteurs, principalement d’ordre technique, peuvent influencer la quantification et la reproductibilité des paramètres. Un processus de tri des données réalisé préalablement à leur quantification, avec l’exclusion des images qui présentent une contamination évidente par les mouvements respiratoires et/ou des artéfacts et/ou un ajustement de mauvaise qualité, permettrait d’améliorer la reproductibilité des mesures. Enfin, des données de la littérature suggèrent que le classique modèle bi-compartimental n’est pas adapté à la modélisation du signal de diffusion hépatique, du fait de la présence d’un troisième compartiment de diffusion très rapide. En effet, un modèle de décroissance tri-exponentielle ajuste mieux le signal de diffusion du foie sain et apparait donc plus adapté. La très faible contribution au signal de ce compartiment de diffusion très rapide et la complexité de l’équation avec six paramètres rendent cependant la quantification des paramètres difficile et peu reproductible.Diffusion-weighted magnetic resonance imaging sequences allow the assessment of the microscopic motions of water molecules protons in biologic tissues. To obtain images whose signal and contrast are influenced by the differences in mobility of water molecules protons, diffusion gradients, which are characterized by their b-factors, are added to the acquisition sequences. According to IntraVoxel Incoherent Motion (IVIM) theory, diffusion is considered bi-compartmental with a fast component of diffusion, related to microcirculation, called pseudo-diffusion, and a slow component of diffusion, linked to pure molecular diffusion. Obtaining a series of images generated by varying the b-factors, allows the quantification of the IVIM parameters. To extract the three IVIM parameters: Dfast, Dslow and PF, the most commonly used fitting method is the segmented method, which consists of first calculating Dslow and PF using b-factors greater than a threshold b-value, and then Dfast by a non-linear fit. IVIM imaging would be of interest for detecting structural and perfusion changes of biologic tissues, and thus for the evaluation of chronic liver disease. Chronic liver disease is indeed a major public health problem. Regardless of their underlying causes, chronic liver damages lead to progressive fibrosis of the liver parenchyma, the most advanced stage of liver fibrosis being liver cirrhosis, which presents high risk of morbidity and mortality. IVIM imaging may allow early detection of liver fibrosis, enabling its management and regression. However, there is conflicting evidence in the literature regarding the diagnostic performance of the different IVIM parameters for the early diagnosis of liver fibrosis. A combined use of the three parameters may allow the effective separation of healthy livers from livers with fibrosis, thus allowing the early diagnosis of fibrosis. Using a b-value threshold of about 60 s/mm² and a b-values distribution starting with a very low b-factor strictly above b=0 s/mm² could improve the diagnostic performance. Furthermore, for liver imaging, IVIM parameters demonstrate high variability and poor reproducibility. A data sorting process performed prior to parameters quantification, that excludes images presenting obvious respiratory motion contamination and/or artefacts and/or poor fit quality, could improve parameters reproducibility. Finally, literature reports suggest that the classical bi-compartmental model is not suitable for modelling the liver diffusion signal, due to the presence of a third compartment of very fast diffusion. Indeed, a tri-exponential decay model better fits the diffusion signal of healthy liver and therefore seems more suitable. However, the very small contribution to the signal of this very fast diffusion compartment and the complexity of the equation with six parameters, make the quantification of the parameters challenging with poor reproducibility