Révolutionner les soins de la démence : découvrez comment les systèmes d'IRM portables pilotés par l'IA brisent les barrières du diagnostic de la maladie d'Alzheimer, permettant une détection précoce et une accessibilité mondiale.
Étude : Imagerie par résonance magnétique portable à faible champ pour l'évaluation de la maladie d'Alzheimer. Crédit d'image : illustrassima/Shutterstock
Un récent Communications naturelles L'étude a optimisé l'acquisition portable LF-MRI et développé un pipeline d'apprentissage automatique pour estimer la morphométrie cérébrale et les hyperintensités de la substance blanche (WMH) pour le diagnostic de la maladie d'Alzheimer.
Sommaire
Maladie d'Alzheimer (MA) : Pathologie et diagnostic
La MA est une maladie neurodégénérative progressive qui affecte la mémoire, la pensée et le comportement. Elle est pathologiquement caractérisée par le dépôt d’amyloïde-β (Aβ) et le développement d’enchevêtrements neurofibrillaires dans le cerveau. Au fil du temps, une accumulation accrue de ces protéines entraîne un changement défavorable dans la structure cérébrale et des lésions vasculaires élevées, qui sont déterminées respectivement par une atrophie cérébrale quantifiable et une WMH.
Généralement, le stade pré-symptomatique progressif de la MA dure entre 10 et 20 ans. Cela pourrait être la raison pour laquelle 75 % des personnes atteintes de démence ne sont pas diagnostiquées pendant des périodes prolongées. La disponibilité des traitements anti-amyloïdes a accru l’urgence d’une détection précoce des personnes atteintes de MA ou de troubles cognitifs légers (MCI), car un diagnostic précoce amplifie les avantages du traitement.
Le diagnostic de la MA repose sur des tests cognitifs, qui évaluent la charge d'Aβ et de tau phosphorylée à l'aide de biomarqueurs fluides, de tomographie par émission de positons (TEP) et d'imagerie par résonance magnétique (IRM). Les cliniciens peuvent déterminer les changements dans la structure et l’intégrité du cerveau à partir de l’IRM multicontraste. Ces indicateurs d’imagerie comprennent l’atrophie généralisée et hippocampique, qui aide les médecins à comprendre l’évolution de la maladie et le déclin cognitif.
Bien que la neuroimagerie aide énormément au diagnostic et à la gestion de la MA et du MCI, son accessibilité locale et mondiale limitée contribue à son sous-diagnostic. Une étude précédente a mis en évidence le développement d’un LF-MRI portable, qui pourrait effectivement accroître l’accessibilité et améliorer le diagnostic de différentes maladies neurodégénératives. Cette étude a mis en évidence le profil de sécurité et le potentiel d’analyse au point d’intervention à faible coût de l’IRM-LF. Cependant, l’intensité réduite de son champ magnétique diminue le rapport signal/bruit (SNR), affectant ainsi la résolution de l’image.
À propos de l'étude
L'étude actuelle a abordé la limitation susmentionnée de LF-MRI pour le diagnostic de la MA et du MCI en développant des outils d'apprentissage automatique capables de quantifier automatiquement la morphométrie cérébrale et les lésions de la substance blanche.
Un pipeline d’imagerie a été établi pour permettre de quantifier les volumes cérébraux. La technique raffinée de synthèse de super-résolution et de contraste (LF-SynthSR) a été optimisée pour élever la résolution de l'image LF lors de la segmentation ultérieure (SynthSeg). Par exemple, les volumes hippocampiques dérivés de LF-MRI ont montré un accord étroit avec leurs homologues d’IRM à champ élevé, avec une différence en pourcentage absolue symétrique (ASPD) de 2,8 % et un coefficient de similarité Dice de 0,87. Cette stratégie a permis d'établir les paramètres d'acquisition LF optimaux pour une quantification précise. Il a permis la mesure de la charge d'hyperintensité de la substance blanche (WMH) (WMH-SynthSeg) à l'aide de la segmentation automatisée des lésions WMH à partir d'images de récupération par inversion atténuée par fluide T2 (FLAIR) acquises au LF. Cette étude a validé le LF-SynthSR, SynthSeg et WMH-SynthSeg en utilisant une cohorte prospective de patients diagnostiqués avec MCI ou MA.
Pour établir un pipeline d'imagerie, les participants de trois cohortes ont été inclus pour subir une acquisition IRM sur un IRM portable à faible champ de 0,064 T avec une analyse conventionnelle à champ élevé à une intensité de champ de 1,5 à 3 T. La première cohorte contenait vingt personnes en bonne santé. individus (10 hommes et 10 femmes) sans antécédents de maladie neurologique ou de troubles de la mémoire.
La deuxième cohorte comprenait 23 participants (11 hommes et 12 femmes) présentant au moins un facteur de risque vasculaire. Cependant, aucun des participants n’avait de troubles neurologiques ni d’antécédents de troubles de la mémoire. La troisième cohorte comprenait 54 individus (32 hommes et 22 femmes) ayant reçu un diagnostic de MCI ou de MA. Ces participants ont subi un protocole d'imagerie LF-MRI comprenant des séquences T1w, T2w et FLAIR.
Résultats de l'étude
Bien que les images LF-IRM n'aient pas une résolution adéquate pour la segmentation automatique avec des outils d'analyse logiciels à champ élevé, elles ont d'abord été super-résolues (SR) à 1 mm isotrope pondérée en T1 (T1w) préparées par magnétisation en écho de gradient rapide (MP). -RAGE)-comme des images. L'étude a révélé que des tailles de voxels isotropes ≤ 3 mm amélioraient la précision de la segmentation, produisant des valeurs ASPD inférieures à 5 % pour les volumes de l'hippocampe. De plus, la précision de la segmentation automatisée s'est améliorée grâce au perfectionnement du pipeline LF-SynthSR v2, permettant une plus grande convivialité pour les applications d'imagerie à faible champ.
Dans la première cohorte, la précision de la segmentation automatisée a été évaluée en comparant les volumes de segmentation pertinents pour la MA de l'hippocampe, du ventricule latéral et du cerveau entier générés à partir du LF-SynthSR et du LF-SynthSR v2 d'origine avec une IRM conventionnelle à champ élevé (HF). acquis à 3 T.
Une amélioration de la précision du volume du ventricule latéral a été obtenue en comparant LF-SynthSR v2 avec LF-SynthSR v1. Le temps d'acquisition de l'image variait entre 1:53 et 9:48 minutes, en fonction de la taille et de la séquence du voxel. L'étude a également révélé que des tailles de voxels isotropes ≤ 3 mm amélioraient la précision de la segmentation, en particulier dans le régime à faible SNR de l'IRM-LF. Il a été constaté que la précision de la morphométrie cérébrale était affectée par la taille et la géométrie des voxels. De plus, le pipeline de segmentation LF-SynthSR v2 a été validé par rapport aux segmentations HF T1w MP-RAGE dérivées de l'outil de segmentation FreeSurfer ASEG.
Les lésions WMH dues à une perte axonale ou à une maladie cérébrale des petits vaisseaux étaient fréquentes chez les patients présentant des troubles cognitifs et ont été quantifiées à l'aide de WMH-SynthSeg. L'utilisation de ces résultats sur FLAIR en tant que lésions hyperintenses T2 et la quantification automatisée de ces lésions ont élevé la capacité de diagnostic et de surveillance de la MA de l'IRM LF.
Cette étude a utilisé l'apprentissage automatique pour produire des volumes de lésions WMH (WMHv) à partir d'images LF-FLAIR à l'aide de WMH-SynthSeg. Cette stratégie a permis la segmentation simultanée des lésions WMH T2 FLAIR en plus de la morphométrie cérébrale antérieure. Les volumes WMH étaient fortement corrélés aux annotations manuelles et aux normes d’imagerie à haut champ.
Basé sur WMHv généré par WMH-SynthSeg, l'outil d'apprentissage automatique a été validé car il était capable de détecter les patients atteints de MCI, de MA et ceux qui sont cognitivement normaux (CN).
Conclusions
L'étude actuelle a expliqué que le LF-MRI avec des outils d'apprentissage automatique peut diagnostiquer les patients atteints de MA ou de MCI. À l’avenir, ce dispositif pourrait également être évalué pour sa capacité à détecter les tauopathies neurodégénératives et la démence vasculaire. Sa portabilité, son faible coût et son pipeline d’analyse automatisé suggèrent un potentiel important pour remédier aux disparités diagnostiques à l’échelle mondiale.
