Actualités de l'Urgence - APM

Dans une étude à paraître dans Radiology, Yiming Ding de l'université de Californie à San Francisco (UCSF) et ses collègues expliquent avoir combiné la neuro-imagerie avec une technique d'intelligence artificielle, le deep learning, pour essayer de prédire si une personne se présentant pour la première fois avec une plainte de mémoire développera ou non une maladie d'Alzheimer, indique l'UCSF dans un communiqué diffusé la semaine dernière.

L'un des auteurs cités dans le communiqué, le Dr Jae Ho Sohn, rappelle que "l'une des difficultés avec la maladie d'Alzheimer, c'est qu'au moment où tous les symptômes se manifestent et que nous pouvons établir un diagnostic définitif, trop de neurones sont détruits, ce qui rend la maladie irréversible" et toute intervention impossible.

Des candidats médicaments et des approches multidomaines sont en développement dans l'objectif de retarder voire stopper la progression de la maladie mais nécessitent d'être proposés précocement, avant que les symptômes apparaissent. Cette stratégie pousse les chercheurs à mettre au point des méthodes de repérage et de diagnostic précoces.

L'équipe californienne a développé un algorithme prédictif de la maladie d'Alzheimer à partir d'images cérébrales par tomographie par émission de positons (TEP) au fluorodésoxyglucose (18-FDG) pour notamment analyser le métabolisme du glucose dans les lobes frontal et pariétal du cerveau.

Comme la maladie évolue lentement, les changements sont subtils et difficiles à repérer à l'oeil nu. C'est là que l'outil informatique peut résoudre ce problème, explique le chercheur dans le communiqué de l'UCSF.

Pour entraîner l'algorithme, les chercheurs ont utilisé les données d'imagerie (1.921 images) recueillies prospectivement entre 2005 et 2017, dans la cohorte ADNI, auprès de 1.002 participants qui étaient à l'inclusion soit cognitivement normaux, présentaient un déclin cognitif léger (ou MCI pour mild cognitive impairment) ou une maladie d'Alzheimer au stade léger.

Ils l'ont ensuite testé dans deux autres cohortes pour évaluer ses performances, une première base de 188 images provenant d'un autre groupe de patients inclus dans ADNI et une seconde de 40 images recueillies auprès de personnes vues avec un possible trouble cognitif au centre de la mémoire de l'UCSF.

L'algorithme a permis de prédire une maladie d'Alzheimer avec une aire sous la courbe de 0,98, une spécificité de 82% et une sensibilité de 100%, en moyenne six ans (75,8 mois) avant le diagnostic clinique final.

Cette performance dépassait celle de radiologues, qui à partir des mêmes images ont prédit la survenue d'une maladie d'Alzheimer avec une spécificité de 91% mais une sensibilité de 57%.

La prochaine étape sera de poursuivre la validation de l'algorithme sur d'autres bases de données, de plus grande taille, provenant d'autres centres et d'autres pays, indique le Dr Sohn.

(Radiology, édition en ligne du 6 novembre)

ld/nc/APMnews