Des chercheurs des universités de Kaunas en Lituanie ont développé une méthode basée sur l’apprentissage en profondeur qui peut prédire l’apparition possible de la maladie d’Alzheimer à partir d’images cérébrales avec une précision de plus de 99 %. La méthode a été développée lors de l’analyse d’images IRM fonctionnelles obtenues à partir de 138 sujets et a obtenu de meilleures performances en termes de précision, de sensibilité et de spécificité que les méthodes précédemment développées.
Selon l’Organisation mondiale de la santé, la maladie d’Alzheimer est la cause la plus fréquente de démence, contribuant jusqu’à 70 % des cas de démence. Dans le monde, environ 24 millions de personnes sont touchées et ce nombre devrait doubler tous les 20 ans. En raison du vieillissement de la société, la maladie deviendra un fardeau de santé publique coûteux dans les années à venir.
« Partout dans le monde, les professionnels de la santé tentent de faire prendre conscience d’un diagnostic précoce de la maladie d’Alzheimer, qui offre aux personnes touchées une meilleure chance de bénéficier d’un traitement. C’était l’un des enjeux les plus importants pour le choix d’un sujet pour Modupe Odusami, doctorant de Nigéria », explique Rytis Maskeliūnas, chercheur au Département d’ingénierie multimédia, Faculté d’informatique, Université de technologie de Kaunas (KTU), directeur de thèse d’Odusami.
Traitement d’image délégué à la machine
L’un des premiers signes possibles de la maladie d’Alzheimer est une déficience cognitive légère (MCI), qui est l’étape entre le déclin cognitif attendu du vieillissement normal et la démence. Sur la base des recherches précédentes, l’imagerie par résonance magnétique fonctionnelle (IRMf) peut être utilisée pour identifier les régions du cerveau qui peuvent être associées à l’apparition de la maladie d’Alzheimer, selon Maskeliūnas. Les premiers stades de la MCI ne présentent souvent presque aucun symptôme clair, mais dans de nombreux cas, ils peuvent être détectés par neuroimagerie.
Cependant, bien que théoriquement possible, l’analyse manuelle d’images IRMf pour tenter d’identifier les changements associés à la maladie d’Alzheimer nécessite non seulement des connaissances spécifiques, mais prend également du temps – l’application de l’apprentissage en profondeur et d’autres méthodes d’IA peut accélérer cela par une marge de temps significative.
Trouver les caractéristiques du MCI ne signifie pas nécessairement la présence d’une maladie, car cela peut également être un symptôme d’autres maladies connexes, mais il s’agit plutôt d’un indicateur et d’une aide possible pour orienter vers une évaluation par un professionnel de la santé.
« Le traitement du signal moderne permet de déléguer le traitement de l’image à la machine, qui peut le compléter plus rapidement et avec suffisamment de précision. Bien sûr, nous n’osons pas suggérer qu’un professionnel de la santé devrait jamais se fier à un algorithme à cent pour cent. Pensez d’une machine en tant que robot capable d’effectuer la tâche la plus fastidieuse de trier les données et de rechercher des caractéristiques. Dans ce scénario, après que l’algorithme informatique ait sélectionné les cas potentiellement affectés, le spécialiste peut les examiner de plus près, et à la fin, tout le monde avantages car le diagnostic et le traitement parviennent au patient beaucoup plus rapidement », explique Maskeliūnas, qui a supervisé l’équipe travaillant sur le modèle.
Nous devons tirer le meilleur parti des données
Le modèle basé sur l’apprentissage en profondeur a été développé dans le cadre d’une collaboration fructueuse de chercheurs lituaniens de premier plan dans le secteur de l’intelligence artificielle, en utilisant une modification du célèbre ResNet 18 (réseau de neurones résiduels) pour classer les images IRM fonctionnelles obtenues à partir de 138 sujets.
Les images se répartissaient en six catégories différentes : de la santé au spectre des troubles cognitifs légers (MCI) en passant par la maladie d’Alzheimer. Au total, 51 443 et 27 310 images de l’ensemble de données IRMf de l’Initiative de neuroimagerie de la maladie d’Alzheimer ont été sélectionnées pour la formation et la validation.
Le modèle a réussi à trouver efficacement les caractéristiques MCI dans l’ensemble de données donné, obtenant la meilleure précision de classification de 99,99 %, 99,95 % et 99,95 % pour les premiers MCI par rapport à AD, les derniers MCI contre AD et les MCI par rapport aux premiers MCI. respectivement.
Bien qu’il ne s’agisse pas de la première tentative de diagnostic de l’apparition précoce de la maladie d’Alzheimer à partir de données similaires, notre principale avancée réside dans la précision de l’algorithme. De toute évidence, des chiffres aussi élevés ne sont pas des indicateurs de performances réelles, mais nous travaillons avec des institutions médicales pour obtenir plus de données. »
Rytis Maskeliūnas, chercheur, département d’ingénierie multimédia, Kaunas University of Technology
Selon lui, l’algorithme pourrait être développé en logiciel, qui analyserait les données recueillies auprès des groupes vulnérables (personnes de plus de 65 ans, ayant des antécédents de lésions cérébrales, d’hypertension artérielle, etc.) et informerait le personnel médical des anomalies liées à l’apparition précoce de la maladie d’Alzheimer.
« Nous devons tirer le meilleur parti des données », déclare Maskeliūnas, « c’est pourquoi notre groupe de recherche se concentre sur le principe européen de la science ouverte, afin que tout le monde puisse utiliser nos connaissances et les développer davantage. Je pense que ce principe contribue grandement à l’avancement de la société » .
Le chercheur en chef, dont le domaine principal se concentre sur l’application des méthodes modernes d’intelligence artificielle sur le traitement du signal et les interfaces multimodales, affirme que le modèle décrit ci-dessus peut être intégré dans un système plus complexe, analysant plusieurs paramètres différents, par exemple, également surveiller le suivi des mouvements oculaires, la lecture du visage, l’analyse de la voix, etc. Une telle technologie pourrait ensuite être utilisée pour l’auto-vérification et l’alerte pour demander des conseils professionnels si quelque chose pose problème.
« Les technologies peuvent rendre la médecine plus accessible et moins chère. Bien qu’elles ne remplaceront jamais (ou du moins pas de sitôt) véritablement le professionnel de la santé, les technologies peuvent encourager la recherche d’un diagnostic et d’une aide en temps opportun », déclare Maskeliūnas.
