L'intelligence artificielle peut prédire la maladie d'Alzheimer 6 ans avant le diagnostic

• L'IA peut améliorer les techniques d'imagerie cérébrale pour prédire la maladie d'Alzheimer des années avant le diagnostic.
• Le réseau de neurones convolutifs développé dans cette étude a permis d'identifier les scintigraphies cérébrales (avec une sensibilité de 100 %) qui conduisent à la maladie d'Alzheimer.

Aux États-Unis, plus de 5 millions de personnes souffrent de la maladie d'Alzheimer et ce nombre devrait atteindre 14 millions d'ici 2050. Toutes les 65 secondes, une personne aux États-Unis développe la maladie d'Alzheimer, ce qui en fait la 6e cause de décès dans le pays.

En règle générale, la maladie est diagnostiquée lorsque tous les symptômes se sont manifestés et, à ce stade, la perte de cellules cérébrales devient si importante qu'il est trop tard pour intervenir. Aucune thérapie ne peut arrêter ou inverser la progression de la maladie d'Alzheimer, cependant, nous pouvons la détecter à des stades plus précoces pour ralentir sa progression et améliorer les symptômes.

Aujourd'hui, des chercheurs de l'Université de Californie ont décrit comment l'intelligence artificielle peut améliorer les techniques d'imagerie cérébrale pour prédire la maladie d'Alzheimer des années avant le diagnostic. Les résultats pourraient aider des millions de patients et de soignants.

Le Deep Learning analyse le métabolisme cérébral

Des études antérieures ont montré que la maladie d'Alzheimer modifie le métabolisme cérébral :une réduction du métabolisme cérébral du glucose est observée de manière caractéristique. Cependant, reconnaître ces changements subtils peut être une tâche extrêmement difficile.

Dans cette étude, les chercheurs ont appliqué une méthode d'apprentissage en profondeur pour détecter les changements dans le métabolisme cérébral prédictifs de la maladie d'Alzheimer. Ils ont entraîné la méthode sur des milliers d'images obtenues à partir d'une technique d'imagerie fonctionnelle de médecine nucléaire appelée tomographie par émission de positons (TEP).

Ils ont eu accès aux données d'un grand projet multi-sites ADNI (abréviation de Alzheimer's Disease Neuroimaging Initiative) qui se concentre sur la prévention et le traitement de cette maladie.

Référence :Radiologie | doi:10.1148/radiol.2018180958 | RSNA

L'ensemble de données contenait plus de 2 100 TEP cérébrales de plus de 1 000 patients. Ils ont utilisé 90 % de cet ensemble de données pour former leur méthode d'apprentissage en profondeur et les 10 % restants ont été utilisés pour la tester.

Exemples de scans TEP | Cerveau d'un homme de 76 ans (zoom avant) atteint de la maladie d'Alzheimer | Avec l'aimable autorisation des chercheurs 

Ils ont ensuite testé la méthode sur un nouveau groupe indépendant de 40 images de 40 patients que l'algorithme n'avait jamais examinés. Il a été capable de détecter la maladie d'Alzheimer 6 ans (en moyenne) avant le diagnostic final, sur les 40 examens TEP.

Les chercheurs ont formé leur réseau de neurones convolutifs à l'aide de GPU NVIDIA TITAN Xp avec la bibliothèque CUDA Deep Neural Network. Il a prédit chaque analyse (avec une sensibilité de 100 %) conduisant à la maladie d'Alzheimer.

Quelle est la prochaine étape ?

Même si les résultats sont très impressionnants, les chercheurs ont averti que leur ensemble de validation n'était pas assez grand pour rendre l'algorithme entièrement fiable. Ils ont besoin de plus de données pour rendre cet outil d'IA plus mature.

À l'heure actuelle, l'outil peut être utilisé pour compléter les travaux des radiologues qui comprennent un large éventail d'examens d'imagerie et de tests biochimiques. Avec une validation externe à grande échelle sur les données multi-institutionnelles et l'étalonnage du modèle, l'outil peut être intégré au flux de travail clinique pour aider les médecins à prédire les premières maladies.

Lire :Des scientifiques découvrent et corrigent le facteur de risque génétique de la maladie d'Alzheimer

L'équipe prévoit de poursuivre l'entraînement de leurs réseaux neuronaux pour reconnaître les modèles liés à l'accumulation anormale d'amas de protéines, de protéines bêta-amyloïdes et tau, et d'autres marqueurs spécifiques à la maladie d'Alzheimer.