Des chercheurs du Collège Impérial de Londres ont montré qu’un algorithme d’apprentissage automatique machine learning permet de déterminer si une personne est atteinte de la maladie d’Alzheimer (MA) sur la base d’un seul examen IRM avec une précision de 98 %. « Actuellement, aucune autre méthode simple et largement disponible ne permet de diagnostiquer la maladie d’Alzheimer avec ce niveau de précision, notre recherche constitue donc une avancée importante », a déclaré le Professeur Eric Aboagye de l’Imperial College London, qui a dirigé la recherche. « De nombreux patients qui se présentent en consultation mémoire avec la maladie d’Alzheimer souffrent également d’autres troubles neurologiques, mais même au sein de ce groupe, notre système peut distinguer les patients atteints de la maladie d’Alzheimer de ceux qui ne le sont pas », a-t-il ajouté.
Pour développer l’algorithme, le Professeur Aboagye et ses collègues ont divisé le cerveau en 115 régions et leur ont attribué 660 caractéristiques différentes, telles que la taille, la forme et la texture. Ils ont entraîné l’algorithme à identifier les endroits où les changements de telle ou telle caractéristique pouvaient correspondre avec précision à la maladie d'Alzheimer. À l’aide des données de l’initiative de neuro-imagerie de la maladie d'Alzheimer (ADNI), l’équipe a testé son algorithme sur les IRM cérébraux de plus de 400 patients atteints de la maladie d’Alzheimer à un stade précoce ou avancé, sur des témoins sains et sur des patients atteints d’autres maladies neurologiques, notamment la démence fronto-temporale et la maladie de Parkinson.
Ils l’ont également testé en utilisant les données de plus de 80 patients réalisant des tests de diagnostic de la MA à l’Imperial College Healthcare NHS Trust. Dans 98 % des cas, l’outil d'apprentissage automatique basé sur l'IRM pouvait à lui seul prédire avec précision si une personne était atteinte de la maladie d'Alzheimer, surpassant les mesures classiques du volume de l’hippocampe et de la protéine bêta-amyloïde dans le liquide céphalorachidien (LCR). Il pouvait également distinguer les stades précoces et avancés de la maladie d’Alzheimer chez 79 % des patients. L’outil s'est révélé « robuste et reproductible d’un examen IRM à l’autre, ce qui démontre son potentiel d’application dans la pratique clinique à l’avenir », écrivent les chercheurs. « La plupart des patients doivent passer toute une série de tests avant d’obtenir un diagnostic et cet outil pourrait permettre un diagnostic plus rapide et réduire l’anxiété des patients. Bien sûr, le spécialiste pourrait être en mesure d’utiliser ces informations pour affiner et modifier le diagnostic », a déclaré le Professeur Aboagye.
L’algorithme a également repéré des changements dans des zones du cerveau qui n’étaient pas associées à la maladie d’Alzheimer auparavant, notamment le cervelet et le diencéphale ventral. Cela « ouvre des possibilités pour les chercheurs » d’examiner de plus près ces zones et de voir comment elles peuvent être liées à la démence », a souligné le Professeur Aboagye. « L'utilisation d’un algorithme capable de sélectionner la texture et les caractéristiques structurelles subtiles du cerveau qui sont affectées par la maladie d’Alzheimer pourrait vraiment améliorer les informations que nous pouvons obtenir à partir des techniques d’imagerie standard », a ajouté le Professeur Malhotra.
Article rédigé par Georges Simmonds pour RT Flash
