De nouvelles recherches menées par le centre TReNDS de la Georgia State University pourraient conduire à un diagnostic précoce de maladies dévastatrices telles que la maladie d’Alzheimer, la schizophrénie et l’autisme ; à temps pour aider à prévenir et à traiter plus facilement ces troubles. Dans une nouvelle étude publiée dans Rapports scientifiques une équipe de sept scientifiques de l’État de Géorgie a construit un programme informatique sophistiqué capable de parcourir d’énormes quantités de données d’imagerie cérébrale et de découvrir de nouveaux modèles liés aux problèmes de santé mentale. Les données d’imagerie cérébrale proviennent d’analyses utilisant l’imagerie par résonance magnétique fonctionnelle (IRMf), qui mesure l’activité cérébrale dynamique en détectant de minuscules changements dans le flux sanguin.
Nous avons construit des modèles d’intelligence artificielle pour interpréter les grandes quantités d’informations provenant de l’IRMf. »
Sergey Plis, professeur agrégé d’informatique et de neurosciences à Georgia State, et auteur principal de l’étude
Il a comparé ce type d’imagerie dynamique à un film ; par opposition à un instantané tel qu’une radiographie ou, l’IRM structurelle plus courante ; et a noté que « les données disponibles sont tellement plus grandes, tellement plus riches qu’un test sanguin ou une IRM régulière. Mais c’est le défi ; cette énorme quantité de données est difficile à interpréter. »
De plus, les IRMf sur ces conditions spécifiques sont coûteuses et difficiles à obtenir. En utilisant un modèle d’intelligence artificielle, cependant, les données d’IRMf régulières peuvent être extraites. Et ceux-ci sont disponibles en grand nombre.
« Il existe de vastes ensembles de données disponibles chez des personnes sans trouble clinique connu », explique Vince Calhoun, directeur fondateur du TReNDS Center et l’un des auteurs de l’étude. L’utilisation de ces ensembles de données disponibles volumineux mais non liés a amélioré les performances du modèle sur des ensembles de données spécifiques plus petits.
« De nouveaux modèles ont émergé que nous pourrions définitivement lier à chacun des trois troubles cérébraux », a déclaré Calhoun.
Les modèles d’IA ont d’abord été formés sur un ensemble de données comprenant plus de 10 000 personnes pour apprendre à comprendre l’imagerie fMRI de base et la fonction cérébrale. Les chercheurs ont ensuite utilisé des ensembles de données multi-sites de plus de 1200 personnes, y compris celles atteintes de troubles du spectre autistique, de schizophrénie et de la maladie d’Alzheimer.
Comment ça marche? C’est un peu comme si Facebook, YouTube ou Amazon apprenaient à vous connaître à partir de votre comportement en ligne et commençaient à être en mesure de prédire votre comportement futur, vos goûts et vos dégoûts. Le logiciel informatique a même été en mesure de cibler le « moment » où les données d’imagerie cérébrale étaient très probablement liées au trouble mental en question.
Pour rendre ces résultats cliniquement utiles, ils devront être appliqués avant qu’un trouble ne se manifeste.
« Si nous pouvons trouver des marqueurs et prédire le risque d’Alzheimer chez un homme de 40 ans », a déclaré Calhoun, « nous pourrions peut-être faire quelque chose à ce sujet. »
De même, si les risques de schizophrénie peuvent être prédits avant qu’il n’y ait de véritables changements dans la structure du cerveau, il peut y avoir des moyens d’offrir des traitements meilleurs ou plus efficaces.
« Même si nous savons par d’autres tests ou antécédents familiaux qu’une personne est à risque d’un trouble tel que la maladie d’Alzheimer, nous sommes toujours incapables de prédire quand exactement cela se produira », a déclaré Calhoun. « L’imagerie cérébrale pourrait réduire cette fenêtre temporelle, en capturant les schémas pertinents lorsqu’ils apparaissent avant que la maladie clinique ne soit apparente. »
« La vision est que nous collectons un grand ensemble de données d’imagerie, nos modèles d’IA se penchent dessus et nous montrent ce qu’ils ont appris sur certains troubles », a déclaré Plis. « Nous construisons des systèmes pour découvrir de nouvelles connaissances que nous ne pourrions pas découvrir par nous-mêmes. »
« Notre objectif », a déclaré Md Mahfuzur Rahman, premier auteur de l’étude et doctorant en informatique à l’État de Géorgie, « est de relier les grands mondes et les grands ensembles de données aux petits mondes et aux ensembles de données spécifiques aux maladies et d’évoluer vers des marqueurs pertinents pour la clinique les décisions. »
