Un programme informatique d’intelligence artificielle qui traite l’imagerie par résonance magnétique (IRM) peut identifier avec précision les changements dans la structure du cerveau résultant de traumatismes crâniens répétés, selon une nouvelle étude menée auprès d’étudiants athlètes. Ces variations n’ont pas été capturées par d’autres images médicales traditionnelles telles que les tomodensitogrammes (CT). Selon les chercheurs, la nouvelle technologie pourrait aider à concevoir de nouveaux outils de diagnostic pour mieux comprendre les lésions cérébrales subtiles qui s’accumulent avec le temps.
Les experts connaissent depuis longtemps les risques potentiels de commotion cérébrale chez les jeunes athlètes, en particulier pour ceux qui pratiquent des sports à contact élevé comme le football, le hockey et le soccer. Il est maintenant de plus en plus évident que des impacts répétés sur la tête, même s’ils semblent légers au premier abord, peuvent s’accumuler sur de nombreuses années et entraîner une perte cognitive. Alors que l’IRM avancée identifie les changements microscopiques de la structure cérébrale résultant d’un traumatisme crânien, les chercheurs affirment que les analyses produisent de grandes quantités de données difficiles à parcourir.
Dirigée par des chercheurs du département de radiologie de la NYU Grossman School of Medicine, la nouvelle étude a montré pour la première fois que le nouvel outil, utilisant une technique d’IA appelée apprentissage automatique, pouvait distinguer avec précision le cerveau des athlètes masculins qui pratiquaient des sports de contact comme le football contre les sports sans contact comme l’athlétisme. Les résultats ont établi un lien entre les impacts répétés de la tête et de minuscules changements structurels dans le cerveau des athlètes de sports de contact qui n’avaient pas reçu de diagnostic de commotion cérébrale.
Nos résultats révèlent des différences significatives entre les cerveaux des athlètes qui pratiquent des sports de contact et ceux qui participent à des sports sans contact. »
Yvonne Lui, MD, auteur principal de l’étude et neuroradiologue
« Puisque nous nous attendons à ce que ces groupes aient une structure cérébrale similaire, ces résultats suggèrent qu’il peut y avoir un risque à choisir un sport plutôt qu’un autre », ajoute Lui, professeur et vice-président de la recherche au Département de radiologie de NYU Langone Health.
Lui ajoute qu’au-delà de la détection des dommages potentiels, la technique d’apprentissage automatique utilisée dans leur enquête peut également aider les experts à mieux comprendre les mécanismes sous-jacents des lésions cérébrales.
La nouvelle étude, publiée en ligne le 22 mai dans Le Journal de Neuroradiologie, impliquaient des centaines d’images cérébrales de 36 athlètes universitaires pratiquant des sports de contact (principalement des joueurs de football) et de 45 athlètes universitaires pratiquant des sports sans contact (principalement des coureurs et des joueurs de baseball). Le travail visait à lier clairement les changements détectés par l’outil d’IA dans les scanners cérébraux des joueurs de football aux impacts à la tête. Il s’appuie sur une étude précédente qui avait identifié des différences de structure cérébrale chez les joueurs de football, comparant ceux avec et sans commotion cérébrale aux athlètes qui ont participé à des sports sans contact.
Pour l’enquête, les chercheurs ont analysé les IRM de 81 athlètes masculins pris entre 2016 et 2018, dont aucun n’avait de diagnostic connu de commotion cérébrale au cours de cette période. Les athlètes de sports de contact ont joué au football, à la crosse et au soccer, tandis que les athlètes de sports sans contact ont participé au baseball, au basketball, à l’athlétisme et au cross-country.
Dans le cadre de leur analyse, l’équipe de recherche a conçu des techniques statistiques qui ont donné à leur programme informatique la capacité « d’apprendre » comment prédire l’exposition à des impacts répétés de la tête à l’aide de modèles mathématiques. Ceux-ci étaient basés sur des exemples de données qui y étaient introduits, le programme devenant plus « intelligent » à mesure que la quantité de données de formation augmentait.
L’équipe de l’étude a entraîné le programme à identifier les caractéristiques inhabituelles du tissu cérébral et à distinguer les athlètes avec et sans exposition répétée à des blessures à la tête en fonction de ces facteurs. Ils ont également classé l’utilité de chaque fonctionnalité pour détecter les dommages afin d’aider à découvrir laquelle des nombreuses mesures IRM pourrait contribuer le plus aux diagnostics.
Selon les auteurs, deux mesures ont signalé avec le plus de précision les changements structurels résultant d’une blessure à la tête. Le premier, la diffusivité moyenne, mesure la facilité avec laquelle l’eau peut se déplacer à travers les tissus cérébraux et est souvent utilisé pour repérer les accidents vasculaires cérébraux sur les IRM. Le second, l’aplatissement moyen, examine la complexité de la structure des tissus cérébraux et peut indiquer des changements dans les parties du cerveau impliquées dans l’apprentissage, la mémoire et les émotions.
« Nos résultats mettent en évidence le pouvoir de l’intelligence artificielle pour nous aider à voir des choses que nous ne pouvions pas voir auparavant, en particulier des » blessures invisibles « qui n’apparaissent pas sur les IRM conventionnelles », a déclaré l’auteur principal de l’étude, Junbo Chen, MS, doctorant à École d’ingénierie NYU Tandon. « Cette méthode peut fournir un outil de diagnostic important non seulement pour les commotions cérébrales, mais également pour détecter les dommages résultant d’impacts à la tête plus subtils et plus fréquents. »
Chen ajoute que l’équipe d’étude prévoit ensuite d’explorer l’utilisation de leur technique d’apprentissage automatique pour examiner les blessures à la tête chez les athlètes féminines.
Le financement de l’étude a été assuré par les subventions P41EB017183 et C63000NYUPG118117 du National Institute of Health. Un financement supplémentaire a été fourni par la subvention du ministère de la Défense W81XWH2010699.
En plus de Lui et Chen, d’autres chercheurs de la NYU impliqués dans l’étude étaient Sohae Chung, PhD; Tianhao Li, MS ; Els Fieremans, PhD; Dmitry Novikov, PhD; et Yao Wang, PhD.