La bili-IRM constitue l’examen de référence pour l’évaluation des pathologies canalaires, en particulier les TIPMP et la lithiase de la voie biliaire principale. Cependant, la qualité d’image peut être limitée par le bruit, les artefacts ou les contraintes d’acquisition. L’intégration d’algorithmes de reconstruction par deep learning (DL) pourrait améliorer la qualité d’image et la confiance diagnostique dans ces pathologies. 

L’objectif est de comparer les reconstructions DL et non-DL en bili-IRM en termes de confiance diagnostique pour l’évaluation des TIPMP et la détection de la lithiase de la VBP.      

Étude rétrospective monocentrique menée sur 91 patients ayant bénéficié d’une bili-IRM entre mars 2024 et janvier 2025 dans le cadre d’un bilan de TIPMP ou d’une recherche de lithiase de la VBP. Quatre types de séquences ont été analysées (2D et 3D, avec et sans reconstruction DL). La qualité d’image a été évaluée objectivement (SNR, CR, CNR). Les critères subjectifs (qualité d’image, artefacts, bruit, contraste) ont été évalués par deux radiologues indépendants. Le score de confiance diagnostique pour certains critères spécifiques aux TIPMP et à la lithiase de la VBP a également été évalué indépendamment par les deux lecteurs.  

La reconstruction DL a permis une amélioration significative du SNR, du contraste et du CNR pour la VBP, notamment en 2D. Pour le canal pancréatique, l’amélioration était plus limitée et variable. Les images DL ont été mieux notées subjectivement, notamment pour le contraste, avec une réduction significative du bruit et une meilleure qualité globale. La confiance diagnostique pour le typage des TIPMP, les critères de dégénérescence, ainsi que la détection de la lithiase de la VBP était renforcée. 

La reconstruction par deep learning permet une amélioration globalement significative de la qualité des images en bili-IRM, particulièrement pour la VBP. Elle permet surtout une lecture plus fiable et une meilleure confiance diagnostique pour l’évaluation des TIPMP et pour la recherche de lithiase de la VBP. Ces résultats soutiennent l’intégration de cette technologie dans les protocoles cliniques courants.  

1. Qualité d'image optimisée : La reconstruction par Deep Learning augmente significativement le signal et le contraste tout en réduisant drastiquement le bruit, surtout en séquences 2D.
2.  Sécurité diagnostique accrue : L'utilisation du DL renforce la confiance du radiologue pour le typage des TIPMP et la détection des lithiases de la voie biliaire principale.
3.  Standardisation clinique : Cette technologie est désormais mature pour être intégrée en routine afin de rendre la bili-IRM plus performante et plus facile à interpréter.