- Les chercheurs ont développé un modèle d'apprentissage automatique qui analyse les IRM cérébrales pour détecter la maladie d'Alzheimer, atteignant une précision de 92,87 % pour distinguer les troubles cognitifs légers ou la maladie d'Alzheimer.
- Le modèle a identifié des schémas structurels associés au déclin cognitif, la perte de volume dans des régions spécifiques du cerveau apparaissant comme un possible biomarqueur précoce de la maladie.
- Les chercheurs ont également découvert des différences liées au sexe dans les modifications cérébrales, ce qui suggère que des facteurs biologiques, tels que les changements hormonaux, peuvent influencer le développement de la maladie d'Alzheimer.
La maladie d'Alzheimer est une maladie évolutive qui peut entraîner une perte de mémoire et un déclin cognitif. La détection de la maladie d'Alzheimer nécessite généralement une évaluation médicale complète, qu'une personne ne peut recevoir qu'après avoir présenté des symptômes pouvant suggérer un déclin du fonctionnement cérébral.
La maladie d'Alzheimer s'aggrave lentement avec le temps, et un diagnostic précoce et précis peut être bénéfique pour traiter la progression de la maladie. Cependant, le diagnostic précoce est souvent difficile car les premiers symptômes peuvent ressembler à des changements typiques de la mémoire ou de la pensée liés à l'âge.
En tant que tel, les méthodes de diagnostic permettant de diagnostiquer précocement la maladie d'Alzheimer, ou même de prédire l'apparition des symptômes, pourraient être essentielles pour maximiser l'efficacité des traitements émergents et modificateurs de la maladie et gérer la maladie.
Une nouvelle étude, publiée dans Neuroscience, met en évidence un outil d'intelligence artificielle (IA) qui analyse les examens IRM et identifie les modèles de perte de volume cérébral associés à la maladie d'Alzheimer.
Les résultats indiquent que le modèle pourrait prédire avec précision la maladie, ce qui suggère que les techniques d'apprentissage automatique pourraient aider à détecter la maladie plus tôt que les approches diagnostiques traditionnelles.
Sommaire
Entraîner l’IA à reconnaître la maladie d’Alzheimer
Pour développer le modèle prédictif, des chercheurs du Worcester Polytechnic Institute ont analysé 815 IRM de participants âgés de 69 à 84 ans.
Les analyses proviennent de l'Alzheimer's Disease Neuroimaging Initiative, un vaste projet de recherche qui collecte des données d'imagerie auprès de personnes ayant une cognition normale, des troubles cognitifs légers et la maladie d'Alzheimer.
Étant donné que la maladie d'Alzheimer endommage les neurones et entraîne une perte de tissu cérébral, ces analyses pourraient contenir des changements subtils pouvant indiquer le développement précoce de la maladie.
L’équipe a utilisé un modèle d’apprentissage automatique pour mesurer le volume cérébral dans 95 régions différentes. Un algorithme a ensuite comparé ces mesures pour identifier des modèles distinguant les cerveaux sains de ceux affectés par des troubles cognitifs ou la maladie d'Alzheimer.
Les résultats ont montré que le modèle pouvait classer de manière fiable les analyses et prédire la présence de la maladie avec une précision de près de 93 %.
Régions cérébrales clés liées à la maladie d'Alzheimer
En analysant le vaste ensemble de données des scintigraphies cérébrales, les chercheurs ont également identifié plusieurs régions du cerveau où les changements structurels étaient fortement associés à la maladie.
Notamment, la perte de volume dans l'hippocampe, l'amygdale et le cortex entorhinal figurait parmi les indicateurs les plus puissants de la maladie d'Alzheimer, quel que soit le groupe d'âge et le sexe.
L'hippocampe joue un rôle clé dans la mémoire et l'apprentissage, l'amygdale régule les émotions et le cortex entorhinal est impliqué dans la mémoire, la navigation et la perception, et parmi les premières parties du cerveau à être affectées par la maladie d'Alzheimer.
Fait intéressant, les chercheurs ont également découvert que les individus âgés de 69 à 76 ans, le groupe le plus jeune étudié, présentaient généralement une perte de volume dans l'hippocampe droit, ce qui suggère que cette région pourrait servir de biomarqueur précoce de la maladie.
Actualités médicales aujourd'hui s'est entretenu avec Dung Trinh, MD, interniste du MemorialCare Medical Group et médecin-chef de la Healthy Brain Clinic à Irvine, en Californie, sur le rôle possible de l'hippocampe droit.
« L'article désigne l'hippocampe comme l'une des structures les plus précoces et les plus constantes affectant la mémoire dans la maladie d'Alzheimer, avec une perte rapide de tissus survenant au début du processus de la maladie », nous a expliqué Trinh.
« Dans cet ensemble de données, le groupe d'âge de 69 à 76 ans a montré des diminutions substantielles du volume de l'hippocampe droit, ce qui signifie probablement que cette région était sensible à une neurodégénérescence subtile à un stade précoce avant que des changements corticaux plus répandus ne deviennent dominants », a-t-il détaillé.
« Je le présenterais comme un signal prometteur plutôt que comme un biomarqueur autonome définitif, car l'étude est toujours basée sur une seule cohorte et une validation interne uniquement », a noté Trinh.
Différences entre les cerveaux masculins et féminins
De plus, l’étude a également révélé certaines différences dans la manière dont la maladie d’Alzheimer peut affecter le cerveau des hommes et celui des femmes.
Dans les scanners cérébraux féminins, la perte de volume était plus importante dans le cortex temporal moyen gauche. Il s’agit d’une région associée au langage et au traitement visuel.
Cependant, dans les scanners cérébraux masculins, les modifications étaient plus prononcées dans le cortex entorhinal droit.
Les chercheurs suggèrent que ces différences pourraient être liées à des changements hormonaux liés au vieillissement, tels que des baisses d'œstrogènes et de testostérone, qui étaient auparavant associées au risque d'Alzheimer chez les femmes et les hommes.
Trinh a noté qu'il trouvait intéressantes les asymétries spécifiques au sexe et est d'accord avec l'hypothèse de l'auteur comme raison possible :
« Les auteurs discutent d'un cadre biologiquement crédible impliquant des changements hormonaux, en particulier une réduction de l'estradiol après la ménopause, un risque génétique tel que (le) APOE-e4 (variante génétique) et les processus neuroinflammatoires interagissant avec la pathologie amyloïde et tau. Ces facteurs n’ont cependant pas été directement mesurés dans cette étude, ils doivent donc être considérés comme des explications possibles plutôt que des causes prouvées.
Prochaines étapes de la recherche
L’équipe de recherche prévoit de continuer à affiner ses modèles prédictifs en utilisant des approches d’apprentissage en profondeur plus avancées.
Trinh a averti que même si l'étude semble prometteuse, une validation plus approfondie est encore nécessaire :
« L'imagerie basée sur l'IA peut détecter des modèles structurels multirégionaux qui peuvent être difficiles à apprécier à l'œil nu, et cette étude suggère que ces modèles pourraient émerger lors de la transition d'une déficience cognitive cognitivement normale à une déficience cognitive légère vers la maladie d'Alzheimer. Si une validation future se produit, elle pourrait aider les cliniciens à identifier plus tôt les patients à risque plus élevé, à surveiller la progression de plus près et, éventuellement, à adapter les plans de traitement en fonction du profil neuroanatomique d'un individu. «
« En pratique, cela pourrait signifier une intervention plus précoce, une meilleure sélection des patients pour les thérapies modificatrices de la maladie et une surveillance plus étroite de ceux qui sont les plus susceptibles de décliner. Mais je voudrais souligner que cet article est prometteur, et non pas prêt cliniquement », a-t-il noté.
« Cela aiderait à combiner l'IRM avec d'autres biomarqueurs – par exemple l'amyloïde, le tau, les biomarqueurs sanguins, la génétique et le suivi longitudinal – pour montrer si le modèle prédit une progression dans le monde réel, pas seulement une classification au sein d'un seul ensemble de données », a ajouté Trinh.
L'équipe de recherche vise également à étudier d'autres facteurs susceptibles d'influencer le développement de la maladie d'Alzheimer, notamment des maladies telles que le diabète.
S'ils sont validés sur des populations plus larges, l'équipe de recherche suggère que les outils basés sur l'IA pourraient éventuellement aider les cliniciens à identifier plus tôt les personnes à risque de développer la maladie d'Alzheimer, améliorant ainsi à la fois le diagnostic et la capacité de tester de nouvelles thérapies.
