L’électroneuromyogramme (ENMG) requiert un raisonnement clinique en direct. Les systèmes experts sont des logiciels d’aide à la décision basés sur la connaissance, potentiellement plus efficients que la consultation d’atlas d’anatomie.

Développer un système d’ingénierie de connaissance et de visualisation de données pour assister l’interprétation des résultats d’ENMG, notamment le raisonnement topographique.

Nous avons intégré la connaissance anatomique à partir de trois ouvrages de référence à l’aide d’une chaîne d’algorithmes semi-automatiques (pipeline). Nous avons ainsi modélisé le système nerveux périphérique (SNP) à l’échelle des faisceaux de fibres en incluant la connectivité anatomique des racines aux muscles et territoires cutanés dans un graphe de segments de nerfs. Ce graphe fut lui-même inclus dans l’espace 3D de l’atlas z-anatomy. Un modèle de vraisemblance statistique sous-tend le raisonnement topographique.

L’application web développée fournit une visualisation du graphe du SNP sous la forme d’un atlas d’anatomie 3D. Le prototype actuel se limite aux membres supérieurs. À partir des paramètres d’ENMG jugés anormaux par l’examinateur, l’application montre en couleurs où les fibres affectées se concentrent et leurs segments les plus altérés.

Ce prototype fonctionnel a permis d’établir un système d’ingénierie de connaissances et une architecture logicielle pour intégrer prochainement les autres régions anatomiques du SNP. Nous envisageons également d’intégrer le contexte clinique par une approche de graphe de connaissances pour assister le diagnostic étiologique.

Cette application est une preuve de concept d’ingénierie de connaissances, intégrant la connaissance anatomique pour améliorer l’interprétation de l’ENMG.