L’un des aspects qui rend si difficile le développement de traitements efficaces contre la maladie de Parkinson est sa complexité. Alors que certaines formes sont causées par la génétique, d’autres ont des facteurs environnementaux et les patients peuvent présenter un large éventail de symptômes de gravité variable. Le diagnostic de la maladie de Parkinson est également posé très tardivement, après que la maladie soit présente dans le cerveau depuis une décennie ou plus.
Dans un article publié dans La neurologie du Lancet, un groupe de scientifiques affirme que cette complexité exige une nouvelle manière de classifier la maladie à des fins de recherche, basée non pas sur le diagnostic clinique mais sur la biologie. Les auteurs ont baptisé leur modèle biologique « SynNeurGe ».
Le « Syn » signifie alpha-synucléine, une protéine qui, chez la plupart des patients atteints de la maladie de Parkinson, provoque des dépôts anormaux appelés corps de Lewy. Les anomalies de la synucléine identifient et provoquent probablement des changements dégénératifs dans le cerveau pouvant avoir un impact sur le mouvement, la pensée, le comportement et l’humeur.
« Neur » signifie neurodégénérescence. Il s’agit de la dégradation de la fonction des neurones du cerveau. Dans les cabinets médicaux, ce sont des neurones spécifiques du système dopaminergique qui permettent de diagnostiquer la maladie de Parkinson. Dans le modèle SynNeurGe, cependant, la neurodégénérescence dans toutes les zones du cerveau est incluse dans la classification.
Le « Ge » signifie génétique. Le rôle de la génétique dans la maladie de Parkinson est complexe. Il a été démontré que des mutations dans de nombreux gènes différents prédisposent une personne à la maladie. La probabilité de développer la maladie de Parkinson dépend du gène impliqué, de la mutation spécifique au sein du gène et des expositions environnementales.
Les auteurs soutiennent qu’à des fins de recherche, les patients devraient être classés selon la présence ou l’absence de ces trois facteurs. Cela permettrait d’identifier les patients atteints de la maladie de Parkinson avant l’apparition des symptômes et faciliterait le développement de traitements adaptés à la biologie unique des patients. À l’heure actuelle, les patients sont diagnostiqués sur la base de symptômes et de signes, même si la maladie est présente dans leur cerveau depuis de nombreuses années . En modifiant les critères de classification, les chercheurs peuvent identifier la maladie plus tôt (avant même que les gens ne présentent des symptômes) et cibler des groupes de patients spécifiques qui ont plus de points communs les uns avec les autres sur le plan biologique, ce qui donne de plus grandes chances de succès au développement de médicaments.
Bien qu’il s’agisse encore d’un objectif de recherche, il s’agit d’un changement majeur dans la façon de penser. Si l’on y pense, il est assez inhabituel que nous ayons dû attendre que les patients atteints de la maladie de Parkinson présentent des symptômes importants avant de pouvoir poser un diagnostic. Nous n’attendons pas qu’une personne ressente la douleur causée par le cancer avant de le diagnostiquer. Au lieu de cela, nous le détectons et le diagnostiquons, espérons-le, avant que quelqu’un ne se rende compte des symptômes. Cette classification de recherche est une étape critique vers l’introduction de notre réflexion sur la maladie de Parkinson dans le 21e siècle. »
Dr Ron Postuma, clinicien-chercheur au Neuro (Institut-hôpital neurologique de Montréal) de l’Université McGill et l’un des auteurs de l’étude
« Une classification biologique de la maladie de Parkinson : les critères de diagnostic de la recherche SynNeurGe » a été publiée par Günter U. Höglinger et al. dans La neurologie du Lancet le 22 janvier 2024, l’auteur principal, le Dr Anthony Lang, titulaire de la chaire Lily Safra sur les troubles du mouvement au Krembil Brain Institute de l’UHN, et titulaire de la chaire Jack Clark pour la recherche sur la maladie de Parkinson et professeur au département de médecine de l’Université de Toronto .
