Résumé
Chaque année 69 millions de personnes dans le monde sont atteintes de traumatismes crâniens. Le caractère urgent et incertain de la prise en charge de tels patients justifie le développement de modèles de prédiction automatique pour l’aide à la décision clinique.Objectifs : Cette étude vise à développer des modèles de prédiction du besoin en neurochirurgie chez les traumatismes crâniens graves ainsi qu'à évaluer l’apport de l’imagerie CT aux données préhospitalières pour ces prédictions.Méthodes : Une cohorte rétrospective multimodale (CT-scan + données préhospitalières) de 495 patients admis au déchocage du CHU Grenoble Alpes a été construite pour ce projet. Nous avons tout d'abord amélioré un outil existant de segmentation, localisation et de quantification des lésions à partir de CT-scan appelé CT-TIQUA. Puis 3 modèles de classification par gradient boosting ont été entraînés respectivement sur les données préhospitalières seules, sur la quantification des lésions seules ainsi que sur une concaténation des données préhospitalières et des lésions quantifiées. Les modèles ont été entraînés sur deux classes : (besoin de neurochirurgie ou contrôle de la pression intracrânienne) et (aucun des deux besoins) et ont subi une validation croisée imbriquée avec recherche d’hyperparamètres et réduction du déséquilibre de classe. Les modèles ont été optimisés pour le score F2.