Pipeline neuro-imagerie automatisé pour le pronostic cognitif post-AVC (étude Brzus 2026, npj Digital Medicine)

Michal Brzus, Joseph Griffis, Aaron D. Boes et collègues (Université d'Iowa) publient le 27 mai 2026 dans npj Digital Medicine un pipeline entièrement automatisé qui ingère des IRM cérébrales DICOM brutes, segmente automatiquement les lésions ischémiques, prédit 28 outcomes neuropsychologiques individuels par lesion network mapping, et restitue un rapport personnalisé rédigé par un LLM open-weights — le tout en moins de trois minutes par patient. Les modèles sont entraînés sur 604 patients du registre lésionnel de l'Iowa puis évalués sur une cohorte indépendante de 153 patients AVC ischémiques imagés sur 17 modèles de scanners différents (Siemens, Philips, GE, Olea Medical) entre 2002 et 2023. AUC entre 0,74 et 0,90 sur cinq domaines cognitifs détaillés, concordance de 96 % entre prédictions issues de segmentations automatiques et manuelles, rapports LLM générés en air-gap par LLaMA 3.3 70B avec garde-fous explicites — mais à lire avec quatre réserves majeures : training et test viennent du même centre (Iowa), aucun comparateur clinique standard (NIHSS, mRS, démographie seule) n'est rapporté, la validation finale des rapports est faite par l'auteur senior lui-même, et quatre des sept auteurs détiennent le brevet associé et co-fondent la startup commerciale NeuroPred Inc. qui exploitera la technologie.

Le contexte

L'accident vasculaire cérébral (AVC) est la deuxième cause mondiale de mortalité et la première de handicap acquis chez l'adulte. La trajectoire de récupération est très hétérogène — deux patients avec des lésions de taille comparable peuvent finir avec des séquelles cognitives radicalement différentes selon la localisation précise du tissu détruit et selon les réseaux fonctionnels dans lesquels cette localisation s'inscrit. Les outils utilisés en pratique courante — le score NIHSS pour la sévérité à l'admission, le score de Rankin modifié (mRS) pour l'incapacité fonctionnelle globale, et quelques échelles de dépistage cognitif comme la MoCA — restent grossiers, ne tiennent presque jamais compte de la cartographie individuelle des dégâts, et offrent une faible valeur pronostique pour le détail des fonctions cognitives.

Le champ du lesion network mapping, développé en bonne partie par le groupe d'Aaron Boes à l'Iowa et de Michael Fox à Harvard depuis 2015, propose une alternative : projeter chaque lésion individuelle sur des connectomes structurels et fonctionnels normatifs pour identifier non seulement le tissu lésé mais le réseau qu'il interrompait. Plusieurs publications du même groupe (Bowren et al., Brain 2022 ; J. Neurosci. 2020) ont montré que ces cartes prédisent mieux les outcomes cognitifs chroniques que la simple taille ou la localisation grossière de la lésion. Restait à transformer cette méthode de recherche, jusqu'ici manuelle et exigeante, en un outil clinique déployable. C'est précisément ce que tente le papier Brzus 2026.

La méthode

L'étude est dirigée par Aaron D. Boes, neurologue à la Carver College of Medicine de l'Université d'Iowa, avec un premier auteur conjoint en ingénierie électrique (Michal Brzus) et en neurologie (Joseph Griffis, ex-Omniscient Neurotechnology 2021–2023). Article publié le 27 mai 2026 dans npj Digital Medicine, DOI 10.1038/s41746-026-02803-2, sous licence CC BY 4.0. Financement public (NIH R01 NS114405, Roy J. Carver Trust, équipement IRM 1S10OD025025-01). Article diffusé en version « non éditée » (Article in Press), donc susceptible d'évoluer.

Le pipeline enchaîne quatre composants. Premièrement, un module de prétraitement DICOM : un classifieur maison (dcm_classifier, publié sur PyPI) identifie modalité et plan d'acquisition avec une précision annoncée supérieure à 99 %. Un réseau 3D Residual U-Net effectue le brain masking (suppression du crâne) avec un score de Dice moyen de 0,98. L'outil SynthSR (Iglesias et al., Science Advances 2023) synthétise une T1 haute-résolution à partir des séquences disponibles pour fiabiliser la registration vers l'atlas MNI-152 (succès sur 99,7 % de 2 987 images de validation). Deuxièmement, une segmentation de lésion ischémique par un 3D Residual U-Net (entraîné sur environ 450 sujets Iowa + 250 sujets du challenge ISLES 2022), à partir des seules séquences de diffusion (DWI + ADC) — les auteurs ont vérifié que l'ajout de T1, T2 ou FLAIR n'apporte pas d'amélioration statistiquement significative. Troisièmement, la prédiction cognitive via le Iowa Brain-Behavior Modeling Toolkit (Griffis et al., Human Brain Mapping 2024) : 28 modèles de classification Partial Least Squares binaires (déficit / pas de déficit), chacun combinant trois représentations — masque voxellique de la lésion, carte de connectivité structurelle (structural lesion network map, sLNM, calculée sur le connectome HCP MGH 32-fold via Lead-DBS), et carte de connectivité fonctionnelle (functional lesion network map, fLNM, calculée sur l'échantillon normatif GSP-1000) — agrégées par une régression logistique ridge intégrant aussi âge et niveau d'éducation. Quatrièmement, un module de rapport qui pousse les prédictions et la cartographie anatomique vers LLaMA 3.3 70B, hébergé localement via Ollama dans un container Docker isolé sans accès internet, qui formate un PDF lisible (niveau de lecture SMOG 6,6, soit 6^e–7^e année américaine), encapsulé en DICOM et renvoyé au PACS.

L'entraînement des modèles cognitifs utilise 604 patients du Iowa Lesion Registry (étiologie mixte : AVC, mais aussi tumeurs et trauma, ce que les auteurs reconnaissent comme une limite) avec évaluations neuropsychologiques au moins trois mois après la lésion pour 98,7 % d'entre eux. L'évaluation de bout en bout porte sur 153 patients AVC ischémique de la Benton Neuropsychology Clinic (toujours University of Iowa), imagés dans la semaine suivant l'AVC entre 2002 et 2023 sur 17 modèles de scanners de quatre fabricants à 1,5 T et 3 T.

Les résultats

La segmentation détecte 93 % des lésions de plus de 1 cm³ et 98 % de celles de plus de 2,5 cm³, avec un score de Dice moyen de 0,69 (0,74 sur les scanners post-2015), comparable aux meilleurs systèmes du challenge ISLES 2022. La concordance de 96 % mise en avant dans le résumé porte sur les classifications cognitives prédites à partir de segmentations automatiques contre celles obtenues à partir des segmentations tracées à la main par un expert (681 prédictions individuelles sur 57 patients) — pas sur la concordance brute de segmentation, distinction qui se perd facilement dans une lecture rapide.

Les performances cognitives sont rapportées sur 28 outcomes neuropsychologiques. Cinq exemples détaillés, choisis pour couvrir des domaines distincts, donnent des AUC de 0,74 à 0,90 : langage expressif (fluence verbale, AUC ≈ 0,90), langage réceptif (Token Test), visuospatial (Judgment of Line Orientation, sensibilité 91 % / spécificité 71 %), mémoire de travail auditive (Digit Span), fonctions exécutives (Trails B). La comparaison des stratégies de modélisation montre un apport significatif des cartes de réseau au-delà de la lésion seule (Wilcoxon signed rank N=28, p=0,007) et de l'ajout des covariables démographiques (p=0,002). Les auteurs reconnaissent toutefois explicitement que les AUC varient substantiellement sur les 28 outcomes : certains modèles plafonnent au-dessus de 0,8, beaucoup tournent entre 0,6 et 0,8, et quelques-uns descendent sous 0,5 — autrement dit pires que le hasard. La spécificité s'effondre par ailleurs entre la validation croisée d'entraînement (0,84 pour le Token Test) et le test indépendant (0,55), signe d'un problème de calibration des seuils. Côté chrono, le pipeline complet tourne en moyenne en 121 secondes sur une station Xeon + RTX 6000 Ada 48 Go, soit moins de trois minutes pour 95 % des cas.

Traduction clinique. Pour fixer les idées sur 1 000 patients AVC ischémiques imagés en routine selon ce pipeline : 70 patients porteurs de petites lésions (<1 cm³) ne seraient pas détectés — précisément ceux où le risque cognitif est le plus difficile à appréhender cliniquement. Sur les 930 restants, le rapport LLM proposerait des probabilités individuelles pour 28 fonctions cognitives ; en pratique, environ deux tiers de ces probabilités seraient utiles (AUC ≥ 0,7) et un tiers serait soit incertain soit trompeur. Avec une spécificité observée autour de 55 %, près d'une patiente sur deux classée « à risque » sur un domaine cognitif donné serait en réalité un faux positif. C'est une aide à la décision sérieuse, à condition que cliniciens et patients comprennent ce que les chiffres dissent réellement.

Ce qui est bien

L'intégration de bout en bout est techniquement aboutie et le format de sortie est pensé pour la clinique. Le pipeline mange du DICOM brut, gère 17 modèles de scanners et trois fabricants majeurs, tourne en moins de trois minutes sur une station unique, et restitue un PDF rédigé directement en DICOM renvoyé au PACS hospitalier. Très peu de papiers de prédiction post-AVC vont aussi loin dans l'ingénierie d'intégration ; la plupart s'arrêtent à un modèle évalué sur un dataset propre.

L'usage du LLM est inhabituellement prudent et concrètement utile. Le modèle (LLaMA 3.3 70B) tourne en local sans accès internet, ne reçoit jamais d'image ni de note clinique, son rôle est explicitement réduit à une mise en forme linguistique de templates fixes, et un parser Markdown vérifie l'adhérence au gabarit a posteriori. Cette architecture coupe la racine des modes d'échec classiques de l'IA générative en santé (hallucination de chiffres, divulgation de PHI, recommandation thérapeutique non sollicitée). Le lecture grade SMOG 6,6 indique en outre des rapports accessibles au patient lui-même, ce qui est un choix éditorial cohérent.

La méthodologie est ancrée dans une décennie de travaux convergents et la méta-architecture des prédictions est rigoureuse. L'approche lesion location + sLNM + fLNM agrégée par régression ridge n'est pas inventée pour l'occasion : elle prolonge dix ans de travaux du groupe (Boes Brain 2015, Bowren Brain 2022, Griffis HBM 2024) avec validation croisée stratifiée 5×5, tests de permutation à 1 000 itérations, et comparaisons statistiques formelles des stratégies entre elles. Le code de la toolbox IBB et celui de dcm_classifier sont publics sur Zenodo et PyPI.

Ce qui est moins bien

L'hétérogénéité revendiquée n'est pas une vraie validation externe. L'article met en avant 17 modèles de scanners et deux décennies de données, mais l'entraînement (Iowa Lesion Registry) et le test (Benton Neuropsychology Clinic) viennent tous deux de l'Université d'Iowa. Population régionale, protocole de neuropsychologie locale, normes de classification d'impairment calibrées sur les mêmes cohortes : le modèle n'a jamais été confronté à un patient d'un autre système hospitalier, d'une autre région, d'une autre ethnie majoritaire. C'est le mode d'échec biais de population, doublé d'une variante particulièrement insidieuse de shortcut learning — les modèles peuvent avoir appris à reconnaître des signatures de cohorte plutôt que des relations lésion-cognition. La généralisation à d'autres centres reste à démontrer.

Aucun comparateur clinique standard n'est rapporté. Les auteurs concèdent qu'il est « difficile de comparer directement à d'autres modèles publiés », mais cela n'explique pas l'absence du baseline le plus simple : un modèle utilisant uniquement l'âge, l'éducation et la sévérité NIHSS aurait-il fait aussi bien ? Sans ce point de référence, et sans comparaison frontale avec les modèles d'imagerie concurrents (Liu Stroke 2023, Matsulevits bioRxiv 2025), il est impossible de quantifier le gain réel apporté par la cartographie de réseau face à une bonne vieille régression logistique sur trois variables. C'est le mode d'échec comparateur biaisé par omission.

La validation clinique des rapports LLM est faite par l'auteur senior lui-même. Sur les 153 rapports générés, les auteurs annoncent qu'« aucune hallucination ou dérive structurelle n'a été identifiée » lors de la revue technique, puis qu'un neurologue stroke board-certified a relu trente rapports (≈ 20 %) sans détecter d'erreur affectant la prise en charge. Ce neurologue, c'est A.D.B., c'est-à-dire Aaron D. Boes, auteur correspondant, co-inventeur du brevet, et co-fondateur de NeuroPred Inc. — la startup qui commercialisera cette technologie. Une revue par un clinicien externe en aveugle aurait considérablement renforcé la crédibilité de ce résultat. À cela s'ajoutent des AUC qui descendent sous 0,5 pour certains outcomes (information absente du résumé) et une métrique de « concordance à 96 % » qui mesure un accord entre deux modes de segmentation et non un accord avec la vérité clinique, deux nuances qui se perdent dans une communication accélérée.

Ce que ça change

Pour la communauté de recherche en neurologie computationnelle, le papier marque l'arrivée à maturité industrielle du lesion network mapping. La méthode passait jusqu'ici par des pipelines de recherche manuels, exigeants en temps et en expertise (segmentation par un neuroradiologue, normalisation MNI, calcul de connectivité). L'automatisation complète bouscule le métier — les futures publications devront se positionner par rapport à un pipeline rapide et reproductible, et les laboratoires qui n'ont pas les ressources pour développer leur propre infrastructure pourront s'appuyer sur les composants open-source publiés. Les évaluations à venir devraient en revanche exiger systématiquement une validation multicentrique vraie et une comparaison head-to-head avec NIHSS et mRS.

Pour les neurologues vasculaires et les équipes de rééducation, le message est de prudence informée. Les auteurs précisent eux-mêmes qu'ils « ne préconisent pas l'utilisation clinique de la composante de prédiction d'outcomes dans sa forme actuelle » — déclaration sobre qui mérite d'être rappelée. L'outil n'est pas prêt pour modifier une décision de traitement individuelle, mais il a déjà sa place comme aide à la communication structurée avec le patient et la famille (un rapport lisible niveau collège, en moins de trois minutes), comme support à la planification précoce de rééducation, et comme socle pour des études prospectives où le pipeline serait validé en parallèle d'une évaluation neuropsychologique de référence. Le brevet pending et la création de NeuroPred Inc. annoncent une trajectoire commerciale qu'il faudra surveiller, en particulier la transparence de la calibration sur les futures cohortes.

Pour les patients et le grand public, l'enseignement utile est nuancé. La promesse d'un pronostic cognitif personnalisé en moins de trois minutes à partir d'une IRM standard est réelle et arrive ; elle changera probablement la conversation post-AVC dans les cinq à dix ans à venir. Mais une probabilité chiffrée n'est pas un destin. Quand un rapport annoncera, par exemple, « risque élevé de déficit de mémoire de travail », il faudra que le clinicien sache traduire que cette estimation repose sur une cohorte de l'Iowa, qu'elle se trompe presque une fois sur deux dans le sens des faux positifs, et qu'elle ignore complètement les déterminants non-cérébraux de la récupération (motivation, soutien social, accès à la rééducation, comorbidités). La cartographie d'une lésion n'épuise pas le pronostic d'une vie.

Pour aller plus loin

L'article complet est en accès libre sur le site de npj Digital Medicine : nature.com/articles/s41746-026-02803-2. Les briques publiques du pipeline : dcm_classifier sur PyPI, et la Iowa Brain-Behavior Modeling Toolkit sur Zenodo. Le papier fondateur du groupe sur la prédiction par lesion network mapping : Bowren et al., Brain 2022. Pour une critique méthodologique récente des limites de la prédiction d'outcomes post-AVC : Sperber et al., Brain Communications 2025 — citée par les auteurs eux-mêmes. Pour notre couverture de l'usage critique des LLM en clinique, voir notre décryptage de l'étude Auger 2026 sur les LLMs de frontière en sclérose en plaques.