Soutenance de thèse – Suhrit Duttagupta

Le 12 novembre 2026 à 14:00

Lieu : CARF

Egalement en visio

Soutenance en anglais

Suhrit Duttagupta
Equipe Ecopsy
INCIA

Thèse dirigée par Igor Sibon (INCIA)

Titre

Imagerie Prédictive et Suivi Clinique des Troubles Émotionnels Post-AVC

Predictive Imaging and Clinical Monitoring of Post-stroke Emotional Disability

Résumé

L’accident vasculaire cérébral (AVC) est une cause majeure de mortalité et de handicap. La rééducation cible principalement les déficits moteurs et fonctionnels, mais les troubles de l’humeur post-AVC sont fréquents et tout aussi invalidants. La dépression (PSD), l’anxiété (PSA) et la fatigue (PSF) post-AVC restent difficiles à prédire. Les marqueurs conventionnels de neuroimagerie, comme la localisation des lésions et les altérations de la substance blanche, ont une valeur prédictive limitée, et les techniques d’imagerie avancées sont peu applicables en pratique clinique. Cette thèse visait à améliorer la prédiction des troubles de l’humeur post-AVC à partir de marqueurs de neuroimagerie dérivés d’IRM réalisées en routine clinique et à étudier des mesures cliniques permettant de caractériser longitudinalement les symptômes de l’humeur. Les données provenaient de 1142 patients issus de 5 cohortes hospitalières: Brain Before Stroke (BBS), Groupe de Réflexion pour l’Evaluation COGnitive Vasculaire (GRECOGVasc), High B-Value Diffusion & Stroke (HBS), memoQUEST et MObile Technologies In the preVention of POSt-stroke DEPression (MOTIV-POSDEP). L’Étude 1 a examiné la PSF 3 mois post AVC. Les analyses par voxels ayant fourni des résultats limités, une approche fondée sur l’analyse en composantes principales (ACP) a permis de dériver des réseaux cérébraux à partir de la distribution des lésions. Des réseaux distincts de substance blanche et grise ont été associés à différentes dimensions de la fatigue, soulignant l’aspect multifactoriel des troubles neuropsychologiques post-AVC. L’Étude 2 a développé une approche utilisant des IRM de diffusion pour générer, par ACP, des composantes de diffusivité à l’échelle du cerveau entier. Celles-ci ont été intégrées à des modèles de régression non paramétrique pour prédire les scores de PSA et PSD à 6 mois, et comparées à des modèles cliniques et basés sur les cartes de déconnexion. Les performances prédictives externes étaient globalement faibles, les modèles cliniques étant plus performants principalement grâce à l’état émotionnel initial. Néanmoins, l’approche de neuroimagerie apportait une valeur prédictive supplémentaire modeste, étayant l’intérêt de marqueurs à l’échelle du cerveau entier en complément des prédicteurs établis. Étant donnée l’importance de l’état émotionnel initial, l’Étude 3 a évalué si des mesures à distance de l’humeur après la sortie de l’hôpital fournissaient une information supplémentaire. Des évaluations écologiques momentanées (EMA) quotidiennes ont recueilli l’humeur et l’activité des patients par smartphone pendant 12 semaines. Les réponses du 2ème mois prédisaient mieux la PSA et la PSD au suivi que les évaluations initiales. Certains symptômes, comme l’anhédonie et les inquiétudes, étaient également plus fortement associés à l’humeur au suivi que les mesures globales d’anxiété et de dépression. L’Étude 4 a évalué une approche moins contraignante avec des réponses par SMS. De brèves évaluations recueillies avant le suivi présentaient de fortes associations avec les évaluations cliniques de PSA, PSD et PSF. En résumé, les séquelles neuropsychologiques post-AVC sont multiformes et interdépendantes, ii mais restent difficilement prédictibles. Les composantes de neuroimagerie à l’échelle du cerveau entier présentent une valeur prédictive modeste. Une approche holistique intégrant des modèles multidimensionnels et des évaluations longitudinales à distance pourrait améliorer la caractérisation précoce des symptômes individuels de l’humeur.

Mots clés: AVC, Imagerie de diffusion, émotions, fatigue, télésurveillance

 

Stroke is a leading cause of death and disability. Although patient rehabilitation mainly targets motor and functional impairments, post-stroke mood disruptions are prevalent and equally debilitating. Conditions such as post-stroke depression (PSD), anxiety (PSA), and fatigue (PSF) are difficult to predict. Conventional neuroimaging markers such as lesion location and white matter disruptions have provided limited predictive value, while advanced imaging techniques are difficult to implement in clinical practice. The main purpose of this thesis was to improve the management of post-stroke mood impairments. We aimed to improve the predictability of mood outcomes using neuroimaging markers derived from routine clinical MRI data and evaluate clinical measures that capture mood symptoms longitudinally. Data were acquired from 1085 patients across four French hospital-based cohorts: Brain Before Stroke (BBS; Bordeaux), Groupe de Réflexion pour l’Evaluation COGnitive Vasculaire (GRECOGVasc; Amiens), memoQUEST (Bordeaux), and MObile Technologies In the preVention of POSt-stroke DEPression (MOTIV-POSDEP; Bordeaux). Four studies were conducted. Study I examined PSF at 3 months post-stroke, where traditional voxel-based analyses provided limited results. Using a data-driven approach with principal component analysis (PCA), whole-brain networks were derived from lesion distributions. We identified distinct white- and gray-matter networks associated with specific fatigue domains, highlighting the multifaceted nature of post-stroke neuropsychological impairments. Building on this framework of data compression, Study II developed a neuroimaging pipeline using diffusion-weighted MRI to generate global diffusivity components through PCA. These components were entered into nonparametric regression models to predict 6-month PSA and PSD scores, comparing performances with clinical and disconnectome-based models. Overall, external predictive performance was low and clinical models performed best largely due to including baseline mood status. Nevertheless, the imaging pipeline added modest predictive value across evaluations, supporting the use of whole-brain markers to complement established predictors. Noting the reliance on baseline mood in the predictive models, we explored whether remote evaluations following hospital discharge could provide more utility. Study III evaluated the use of ecological momentary assessments (EMA), collecting daily measures of patient mood and activity through smartphones for 12 weeks. Based on symptoms matching the clinical diagnostic criteria for mood disorders, anxiety and depression mood indices were created. The association between mood indices and follow-up PSA and PSD scores improved with closer proximity. Compared to baseline clinical scores, averaged EMA mood index values from the second month offered iii better early prediction of follow-up mood disorders with 90.6% adherence. Additionally, responses for specific core symptoms, including anhedonia, sadness, and worrying had stronger associations with follow-up mood than the overall index scores.These observations led to Study IV evaluating a lower-burden approach based on SMS responses shortly before follow-up. Brief symptom ratings collected within two weeks prior to follow-up sessions showed strong associations with clinical evaluations for PSA, PSD, and PSF, demonstrating the potential of simplified remote monitoring to prioritize patients at risk of developing mood disorders.In summary, post-stroke neuropsychological outcomes are multifaceted and interacting syndromes with limited predictability. Whole-brain neuroimaging components derived through a novel framework showed modest predictive value. Our findings are consistent with the growing recognition of the need for holistic approaches, suggesting that incorporating multidomain models and longitudinal remote assessments may improve the early characterization of individual mood symptoms.

Keywords: Stroke, mood, fatigue, diffusion-weighted imaging, remote monitoring 

Publications

Jury

  • M. Igor Sibon (Thesis director)
  • M. Charles Laidi (Reviewer)
  • M. Nicolas Farrugia (Reviewer)
  • Mme. Solène Moulin (Examiner)
  • Mme. Sandra Chanraud (Examiner)

  • Lieu
    CARF
  • Dates
    Le 12 novembre 2026 à 14:00
Partager