ia-prédire-maladie-Alzheimer-avant-un-diagnostic
La technologie de l’intelligence artificielle (IA) améliore la capacité de l’imagerie cérébrale à prédire la maladie d’Alzheimer, selon une étude publiée dans la revue Radiology.

L’IA pour détecter la maladie d’Alzheimer

Le diagnostic rapide de la maladie d’Alzheimer est extrêmement important, car les traitements et les interventions sont plus efficaces au début de la maladie. Toutefois, un diagnostic précoce s’est révélé difficile. La recherche a établi un lien entre le processus de la maladie et les changements du métabolisme, comme le montre l’absorption du glucose dans certaines régions du cerveau, mais ces changements peuvent être difficiles à reconnaître.
« Les différences dans le profil d’absorption du glucose dans le cerveau sont très subtiles et diffuses », a déclaré le coauteur de l’étude Jae Ho Sohn, M. D., du Département de radiologie et D’imagerie biomédicale de l’Université de Californie à San Francisco (UCSF). « Les gens sont capables de trouver des biomarqueurs spécifiques de cette maladie, mais les changements métaboliques représentent un processus plus global et plus subtil. »
L’auteur principal de l’étude, Benjamin Franc, M. D., de L’UCSF, a approché le Dr Sohn et l’Université de Californie, Berkeley, et l’étudiant de premier cycle Yiming Ding à travers le groupe de recherche « Big Data in Radiology » (BDRAD), une équipe multidisciplinaire de médecins et d’ingénieurs se concentrant sur la science des données radiologiques. Le Dr Franc s’est intéressé à l’application de « deep learning »; un type d’IA dans lequel les machines apprennent par l’exemple, comme le font les humains, pour trouver des changements dans le métabolisme du cerveau de la maladie d’Alzheimer.

Un algorithme d’apprentissage en profondeur 

Les chercheurs ont formé l’algorithme d’apprentissage en profondeur sur une technologie d’imagerie spéciale connue sous le nom de tomographie par émission de positons (FDG-PET ). Lors d’un FDG-PET scanne FDG, le FDG, un composé radioactif du glucose, est injecté dans le sang. Les tomodensitogrammes permettent ensuite de mesurer l’absorption du FDG dans les cellules cérébrales, un indicateur de l’activité métabolique.
Les chercheurs ont eu accès aux données de l’initiative de neuro-imagerie de la maladie d’Alzheimer (ADNI), une importante étude multicentrique axée sur des essais cliniques visant à améliorer la prévention et le traitement de cette maladie. L’ensemble des données de L’ADNI comprenait plus de 2 100 images de cerveau FDG-TEP provenant de 1 002 patients. Les chercheurs ont formé l’algorithme d’apprentissage en profondeur sur 90% de l’ensemble de données et l’ont ensuite testé sur les 10% restants. Grâce à un apprentissage approfondi, l’algorithme a été en mesure de s’enseigner des modèles métaboliques qui correspondaient à la maladie d’Alzheimer.
Enfin, les chercheurs ont testé l’algorithme sur un ensemble indépendant de 40 examens d’imagerie à partir de 40 patients qu’il n’avait jamais étudiés. L’algorithme a obtenu un score de 100% quant à la détection de la maladie, une moyenne de plus de six ans avant le diagnostic final.
« Nous sommes très satisfaits de la performance de l’algorithme », a déclaré le Dr Sohn. « Il a été en mesure de prédire tous les cas qui ont évolué vers la maladie d’Alzheimer. »

Un outil pour les radiologistes

Bien qu’il prévienne que leur ensemble de tests indépendants soit restreint et qu’ils doivent être validés par une étude prospective multi-institutionnelle de plus grande envergure, le Dr Sohn déclare que cet algorithme pourrait être un outil utile pour compléter le travail des radiologistes, particulièrement en conjonction avec d’autres tests biochimiques et d’imagerie afin de fournir une possibilité d’intervention thérapeutique précoce.
« Si nous diagnostiquons la maladie d’Alzheimer lorsque tous les symptômes se sont manifestés, la perte de volume du cerveau est si importante qu’il est trop tard pour intervenir », a-t-il déclaré. « Si nous pouvons le détecter plus tôt, c’est une occasion pour les chercheurs de trouver de meilleures façons de ralentir ou même d’arrêter le processus de la maladie. »
Les orientations futures de cette recherche comprennent la formation de l’algorithme d’apprentissage en profondeur afin de chercher des modèles associés à l’accumulation de protéines bêta-amyloïdes et tau; des agrégats de protéines anormales et des enchevêtrements dans le cerveau qui sont des marqueurs spécifiques de la maladie d’Alzheimer, selon Youngho Seo, Ph.D., de L’UCSF, qui a été l’un des conseillers du corps professoral de l’étude.

Une dimension prédictive importante

« Si la FDG-PET avec l’IA peut prédire la maladie d’Alzheimer, ainsi que la plaque bêta-amyloïde et l’imagerie de la protéine Tau, ce système peut peut-être ajouter une autre dimension prédictive importante », a-t-il déclaré.
Source : Radiological Society of North America