Le métabolisme cérébral peut être évalué par spectroscopie par résonance magnétique du proton (SRM-¹H), une technique permettant de quantifier divers métabolites dans un volume donné. Cette approche peut être étendue à plusieurs volumes simultanément en générant des grilles 2D ou 3D de données SRM-¹H, offrant ainsi une information provenant de différents environnements tissulaires sains et pathologiques. Toutefois, pour maintenir des temps d'acquisition compatibles avec les contraintes cliniques, les volumes analysés doivent être suffisamment grands, entraînant des contributions spectrales indésirables issues de différents tissus.

Dans ce contexte, nous proposons un modèle de régression géographiquement pondéré (équation 1), combinant la SRM-¹H multivoxel avec des données anatomiques issues de séquences telles que le T1-MPRAGE. Ce modèle vise à affiner la résolution des grilles SRM-¹H et à isoler les contributions spécifiques de chaque environnement tissulaire.

(1)

Comme il s'agit d'un modèle statistique, il permet également d'extraire des critères de qualité d'ajustement et de cartographier les relations spatiales entre le métabolisme cérébral et les différents types de tissus, offrant ainsi une compréhension approfondie des interactions entre les métabolites et les structures environnantes.

Nous présenterons des résultats préliminaires issus d'acquisitions sur cohorte de patients (3T et 7T, 43 patients). Nous discuterons de l'adaptation du modèle aux contraintes spécifiques de la SRM-¹H, telles que les erreurs de déplacement chimique, particulièrement marquées à ultra-haut champ. Enfin, nous illustrerons son application dans divers contextes pathologiques, démontrant son potentiel pour enrichir l'analyse métabolique cérébrale.