Points clés
- Les chercheurs ont évalué des méthodes informatisées permettant de différencier sept syndromes de démence sur la base des schémas d’atrophie.
- Les chercheurs ont émis l’hypothèse que les classificateurs binaires et les classificateurs multi-syndromes de l’IA pouvaient atteindre des niveaux de précision élevés dans la différenciation des syndromes.
- La classification multi-syndrome s’est révélée prometteuse, mais elle n’est pas transposable en milieu clinique à l’heure actuelle.
- Les modèles d’apprentissage automatique de l’IA pour la classification binaire ont atteint une précision de prédiction élevée allant de 71 % à 95 %.
Une nouvelle étude menée par des scientifiques affiliés à l’Institut Max Planck des sciences cognitives et cérébrales humaines de Leipzig, en Allemagne, et au Centre médical de l’Université de Leipzig démontre que l’apprentissage automatique de l’intelligence artificielle (IA) peut détecter des types rares de démence à l’aide d’images médicales.
« Les syndromes de démence peuvent être difficiles à diagnostiquer », écrivent les chercheurs. « Nous avons cherché à construire un classificateur pour les syndromes de démence multiples en utilisant l’imagerie par résonance magnétique (IRM).
Dans le monde entier, la démence et l’espérance de vie moyenne augmentent. D’ici 2050, les personnes âgées de plus de 65 ans seront près de 1,5 milliard, contre 524 millions en 2010, selon les estimations d’un rapport de l’Organisation mondiale de la santé, de l’Institut national américain sur le vieillissement et des Instituts nationaux américains de la santé. Selon ce même rapport, l’espérance de vie à la naissance est d’au moins 81 ans dans plusieurs pays. Selon l’étude The Global Burden of Disease Dementia publiée l’année dernière dans The Lancet Public Health, le nombre de personnes atteintes de démence devrait presque tripler dans le monde, passant de 27,4 millions en 2019 à 152,8 millions en 2050.
La démence est un terme général caractérisé par des changements dans le cerveau avec des symptômes communs qui peuvent inclure des changements psychologiques tels que l’anxiété, la dépression, des changements de personnalité, l’agitation, la paranoïa, un comportement inapproprié, des hallucinations, ainsi que des défis cognitifs tels que la perte de mémoire, la confusion, la désorientation et la difficulté à penser, à communiquer, à raisonner, à résoudre des problèmes, à planifier, à s’organiser, à se coordonner ou à fonctionner de manière motrice.
Selon Stanford Medicine, la démence est due à des lésions ou à des changements dans le cerveau. Plusieurs maladies peuvent être à l’origine de la démence. Les causes les plus courantes sont la maladie d’Alzheimer, la démence vasculaire, la maladie de Parkinson, la maladie de Pick, la démence frontotemporale et la démence à corps de Lewy. Parmi les causes moins courantes de la MA figurent la maladie de Huntington, les leucoencéphalopathies, la maladie de Creutzfeldt-Jakob, la sclérose latérale amyotrophique (SLA), la sclérose en plaques (SEP), la syphilis et l’atrophie multisystématisée, un groupe de maladies cérébrales dégénératives selon Stanford Medicine.
La cause la plus fréquente de démence progressive est la maladie d’Alzheimer (MA), qui représente 60 à 70 % des patients atteints de démence, selon l’Organisation mondiale de la santé. D’ici 2050, on estime que 16 millions de personnes aux États-Unis seront atteintes de la maladie d’Alzheimer, selon la Harvard Medical School. Environ 5,8 millions de personnes aux États-Unis vivent avec la maladie d’Alzheimer, dont deux tiers de femmes, selon un rapport de l’AARP et du Women’s Alzheimer’s Movement (WAM).
Les symptômes neuropsychiatriques associés à la maladie d’Alzheimer peuvent inclure la dépression, le retrait social, la psychose, l’errance, l’apathie, l’agitation, la méfiance à l’égard des autres, la désinhibition et les délires. La perte de mémoire à court terme est un symptôme courant dans les premiers stades de la maladie d’Alzheimer. À un stade plus avancé de la maladie, les personnes atteintes oublient comment accomplir les tâches quotidiennes de base et finissent par dépendre des soignants pour leur survie.
Les scientifiques ont utilisé un algorithme d’apprentissage automatique supervisé avec des méthodes de prédiction robustes, appelé machine à vecteur de support (SVM), pour classer les données. L’IA a été utilisée pour classer le groupe de patients par rapport aux témoins (classification binaire), ainsi que pour classer les sept groupes de diagnostic les uns par rapport aux autres (classification multiclasse).
« À notre connaissance, il s’agit de l’une des premières études évaluant des méthodes informatisées pour différencier plusieurs (ici sept) syndromes de démence sur la base de schémas d’atrophie avec des données volumétriques du cerveau dérivées de l’IRM et du SVM », ont rapporté les chercheurs.
L’étude a utilisé les données du Consortium allemand de recherche sur la démence frontotemporale qui comprenait une cohorte multicentrique utilisant les données de 477 sujets, dont 426 patients et 51 témoins sains. Parmi les patients, 146 étaient atteints de la variante comportementale de la démence frontotemporale (bvFTD), 72 de la maladie d’Alzheimer, 58 d’aphasie progressive non fluente (PNFA ou nfvPPA – variante non fluente/agrammatique de la PPA), 48 de paralysie supranucléaire progressive (PSP), 48 avec une paralysie supranucléaire progressive (PSP), 46 avec une variante sémantique de l’aphasie primaire progressive (svPPA), 30 avec une variante logopénique de l’aphasie primaire progressive (lvPPA) et 26 avec un syndrome corticobasal (CBS).
Les chercheurs ont émis l’hypothèse que les classificateurs binaires d’IA et les classificateurs multi-syndromes pourraient atteindre des niveaux de précision élevés dans la différenciation des syndromes. Les résultats ont été prometteurs pour la classification binaire, mais moins pour le classificateur multi-syndromes. Selon les chercheurs, les performances du modèle multi-syndromes étaient plus de trois fois supérieures au niveau de hasard, mais avec une précision de 47 % seulement. En tant que preuve de principe, les chercheurs ont conclu que la classification multi-syndromes était prometteuse, mais qu’elle n’était pas transposable en milieu clinique pour le moment.
D’autre part, les modèles d’apprentissage automatique de l’IA pour la classification binaire ont atteint une précision de prédiction élevée, comprise entre 71 % et 95 %. L’étude suggère que l’utilisation de l’IA pour différencier les syndromes de démence des témoins sains est « prête à être appliquée à la routine clinique si elle est validée à l’avenir dans des cohortes prospectives externes ».
« Les résultats suggèrent que les méthodes automatisées appliquées aux données d’imagerie RM peuvent aider les médecins à diagnostiquer les syndromes de démence », concluent les chercheurs. « C’est particulièrement pertinent pour les maladies orphelines en plus des syndromes fréquents tels que la maladie d’Alzheimer.
Copyright © 2023 Cami Rosso Tous droits réservés.
