L'intelligence artificielle peut détecter l'Alzheimer dans les scanners cérébraux six ans avant un diagnostic
L'intelligence artificielle peut détecter la maladie d'Alzheimer dans les scanners cérébraux six ans avant un diagnostic
Selon une étude
L’intelligence artificielle continue ses exploits dans le domaine de la médecine. Elle explore désormais le domaine des maladies sans remède. Selon une étude, les chercheurs ont pu mettre au point un algorithme de Machine Learning pour diagnostiquer la maladie d'Alzheimer au stade précoce, environ six ans avant qu'un diagnostic clinique ne soit posé. Dès lors que cet algorithme sera formé, les médecins pourront assister des personnes présentant les signes précoces de cette maladie avec un traitement, selon les chercheurs.
Une précédente étude d’une équipe de chercheurs de l'Université de Loughborough, du Western General Hospital, de l'Université d'Edimbourg et du centre de cancer d’Edinburgh au Royaume-Uni publiée en juin dernier, avait révélé une autre avancée dans ce domaine. Une méthode basée sur le « Deep Learning » mise au point par ces chercheurs avait permis d'analyser des composés dans le souffle humain avec une performance moyenne élevée que celle des humains afin de détecter les signes de maladies. Le « Deep Learning » est un sous-ensemble de l'IA et de l'apprentissage automatique qui utilise des réseaux neuronaux artificiels multicouches pour fournir une précision de pointe dans des tâches telles que la détection d'objets, la reconnaissance vocale, la traduction de langues et autres.
Cette dernière trouvaille vient donner un coup de main aux recherches concernant la maladie d'Alzheimer qui, jusqu’à présent, se diagnostique à un stade très avancé. En effet, selon l’Université de la Californie à San Francisco (UCSF), il n'existe aucun remède, jusqu’à présent, contre la maladie d'Alzheimer. Cependant, des médicaments prometteurs, qui peuvent aider à enrayer la progression de la maladie, ont fait leur apparition au cours des dernières années. Toutefois, selon UCSF, pour que ces traitements fassent leur effet, ils doivent être apportés à un stade précoce de la maladie, ce qui est impossible jusqu’à maintenant, car l’Alzheimer se diagnostique à un stade très avancé. C’est pour permettre à ces traitements d’être utiles et d’être apportés à temps que ces chercheurs ont trouvé des moyens de diagnostic de la maladie à un stade précoce.
« L'une des difficultés de la maladie d'Alzheimer est qu'au moment où tous les symptômes cliniques se manifestent et où nous pouvons poser un diagnostic définitif, trop de neurones sont morts, ce qui la rend essentiellement irréversible », dit Jae Ho Sohn, MD/MS, résident au Département de radiologie et d'imagerie biomédicale à UC San Francisco.
Procédure de diagnostic de la maladie d’Alzheimer
Le niveau de certaines molécules, en l’occurrence le glucose, à divers endroits du cerveau, est utilisé pour diagnostiquer la maladie d'Alzheimer avant que les symptômes ne deviennent graves. En effet, selon UCSF, le glucose est la principale source de carburant des cellules du cerveau, et plus une cellule est active, plus elle utilise de glucose et au fur et à mesure qu’elle devient malade, elle utilise moins de glucose. Lorsque la cellule du cerveau meure, elle ne consomme plus de glucose. Pour mesurer les niveaux de ces molécules spécifiques, la tomographie par émission de positons (TEP) est utilisée.
Les radiologistes utilisent les scanners cérébraux pour tenter de détecter la maladie d'Alzheimer en recherchant des niveaux de glucose réduits dans tout le cerveau, en particulier dans les lobes frontaux et pariétaux du cerveau. Toutefois, Etant donné qu’il s'agit d'une maladie à évolution lente, les changements dans la glycémie sont très subtils et donc difficiles à déceler à l'œil nu.
C’est pour résoudre ce problème afin de pouvoir détecter la maladie à un stade précoce que Sohn a combiné la neuroimagerie et le Machine Learning pour tenter de prédire si un patient développerait ou non la maladie d'Alzheimer lorsqu'il présente pour la première fois une perte de mémoire, stade considéré comme le meilleur moment pour traiter le mal.
« C'est une application idéale du Deep Learning parce qu'il est particulièrement fort pour trouver des processus très subtils mais diffus. Les radiologistes humains sont très doués pour identifier de minuscules découvertes focales comme une tumeur cérébrale, mais nous avons du mal à détecter des changements plus lents et plus globaux », a dit Sohn. « Étant donné la force de l'apprentissage profond dans ce type d'application, surtout par rapport aux humains, cela semblait être une application naturelle. », a-t-il ajouté.
Formation de l’algorithme du Machine Learning
Sohn, pour former le modèle du Machine Learning, lui a fourni un grand nombre d’images de l'Alzheimer's Disease Neuroimaging Initiative (ADNI), un vaste ensemble de données publiques sur les tomographies TEP de patients qui ont finalement reçu un diagnostic de la maladie d'Alzheimer, de déficience cognitive légère ou d'absence de trouble, d’après UCSF. Cette formation a permis au modèle d’apprendre à prédire le diagnostic de la maladie d'Alzheimer grâce à ses caractéristiques les plus importantes apprises sur les 1 921 scanners cérébraux, a rapporté UCSF.
Pour évaluer la performance du modèle formé, les scientifiques l’ont soumis à un test sur deux nouveaux ensembles de données. Le premier ensemble de données était composé de 188 images provenant de la même base de données ADNI mais qui ne faisaient pas partie de l’ensemble de scanners soumis lors de la formation de l'algorithme. Le deuxième ensemble était une série entièrement nouvelle de scanners de 40 patients qui s'étaient présentés au centre de mémoire et de vieillissement de l'UCSF avec des troubles cognitifs possibles.
L'algorithme a été exécuté sur l’ensemble de données et a fourni des résultats très encourageants. Il a correctement identifié 92 % des patients qui ont développé la maladie d'Alzheimer dans le premier ensemble de tests et 98 % dans le deuxième ensemble de tests. Le modèle a fourni ces résultats avec des prévisions d’une moyenne de 75,8 mois, c’est-à-dire un peu plus de six ans, avant que le patient ne reçoive son diagnostic final.
Selon UCSF, M. Sohn prévoit passer à une autre étape avec son modèle en le soumettant à d’autres tests sur des ensembles de données plus vastes et plus diversifiés provenant de différents hôpitaux et pays afin de l’étalonner.
« Je crois que cet algorithme a le fort potentiel d'être cliniquement pertinent », dit M. Sohn. « Cependant, avant de pouvoir le faire, nous devons valider et étalonner l'algorithme dans une cohorte de patients plus large et plus diversifiée, idéalement de différents continents et de différents types d'environnements. », a-t-il ajouté.
Selon le chercheur, si l’algorithme réussit à résister à ces tests, il pourrait être utilisé dans des cliniques de mémoire comme un outil de prédiction et de diagnostic de la maladie d'Alzheimer, aidant ainsi le patient à obtenir les traitements avant que la maladie n’atteigne des stades plus avancés.
Source : UCSF
Et vous ?
Qu’en pensez-vous ?
Lire aussi
Répondre avec citation
Partager