{{{sourceTextContent.title}}}

L'intelligence artificielle prévoit les années d'Alzheimer avant diagnostic

{{{sourceTextContent.subTitle}}}

L'AI s'est appliquée aux balayages de FDG-PET détecte les signes tôt d'Alzheimer avec la sensibilité de 100 pour cent plus de six ans avant le diagnostic final en moyenne

{{{sourceTextContent.description}}}

La technologie de l'intelligence artificielle (AI) améliore la capacité de l'imagerie cérébrale de prévoir la maladie d'Alzheimer, selon une étude publiée au journal Radiology.1

Le diagnostic opportun de la maladie d'Alzheimer est extrêmement important, comme traitements et les interventions sont plus efficaces tôt au cours de la maladie. Cependant, le diagnostic précoce s'est avéré contester. La recherche a lié le processus de la maladie aux changements du métabolisme, comme montré par prise de glucose dans certaines régions du cerveau, mais il peut être difficiles reconnaître ces changements.

Les « différences dans le modèle de la prise de glucose dans le cerveau sont très subtiles et diffus, » a dit le co-auteur Jae Ho Sohn, M.D. d'étude, de la radiologie et du département biomédical de représentation à l'Université de Californie San Francisco (UCSF). Les « gens sont bons pour trouver les biomarkers spécifiques de la maladie, mais les changements métaboliques représentent un processus plus global et plus subtil. »

L'auteur supérieur de l'étude, Benjamin Franc, M.D., d'UCSF, a approché Sohn et Université de Californie, Berkeley, étudiant de premier cycle Yiming Ding par Big Data dans le groupe de recherche de la radiologie (BDRAD), une équipe pluridisciplinaire de médecins et des ingénieurs se concentrant sur la science radiologique de données. Le franc était intéressé à appliquer l'étude profonde, un type d'AI dans lequel les machines apprennent par exemple tout comme des humains font, pour trouver des changements de métabolisme de cerveau prévisionnels de la maladie d'Alzheimer.

Les chercheurs ont formé l'algorithme d'étude profond sur une technologie de l'image connue sous le nom de tomographie de l'émission de positons 18-F-fluorodeoxyglucose (FDG-PET). Dans un balayage de FDG-PET, FDG, un composé radioactif de glucose, est injecté dans le sang. Les balayages d'ANIMAL FAMILIER peuvent alors mesurer la prise de FDG en cellules du cerveau, un indicateur d'activité métabolique.

Les chercheurs ont fait concentrer l'accès aux données de l'initiative de Neuroimaging de maladie d'Alzheimer (ADNI), une étude multisite importante sur des tests cliniques pour améliorer la prévention et le traitement de cette maladie. L'ensemble de données d'ADNI a inclus plus de 2 100 images de cerveau de FDG-PET de 1 002 patients. Les chercheurs ont formé l'algorithme d'étude profond sur 90 pour cent de l'ensemble de données et l'ont puis examiné sur les 10 pour cent demeurants de l'ensemble de données. Par l'étude profonde, l'algorithme pouvait s'enseigner les modèles métaboliques qui ont correspondu à la maladie d'Alzheimer.

En conclusion, les chercheurs ont examiné l'algorithme sur un ensemble indépendant de 40 examens de représentation de 40 patients qu'il n'avait jamais étudié. L'algorithme a réalisé la sensibilité de 100 pour cent à détecter la maladie une moyenne de plus de six ans avant le diagnostic final.

« Nous étions très heureux avec la représentation de l'algorithme, » Sohn a dit. « Il pouvait prévoir chaque cas simple qui a avancé à la maladie d'Alzheimer. »

Bien qu'il ait averti que leur essai indépendant réglé était petit et a besoin davantage de validation avec une plus grande étude prospective multi-institutionnelle, Sohn a dit que l'algorithme pourrait être un outil utile pour compléter le travail des radiologues — particulièrement en même temps que d'autres essais biochimiques et de représentation — en présentant un moyen de la première intervention thérapeutique.

« Si nous diagnostiquons la maladie d'Alzheimer quand tous les symptômes se sont manifestés, la perte de volume de cerveau est si significative qu'elle soit trop tardive pour intervenir, » il a dit. « Si nous pouvons la détecter plus tôt, c'est une occasion pour que les investigateurs trouvent potentiellement de meilleurs moyens de ralentir ou même arrêter le processus de la maladie. »

Les futures directions de recherches incluent former l'algorithme d'étude profond pour rechercher des modèles liés à l'accumulation de la bêta-amyloïde et les protéines de tau, les blocs anormaux de protéine et les embrouillements dans le cerveau qui sont des marqueurs spécifiques à la maladie d'Alzheimer, selon Youngho Seo d'UCSF, le Ph.D., qui a servi d'un des conseillers de corps enseignant de l'étude.

« Si FDG-PET avec l'AI peut prévoir la maladie d'Alzheimer ce tôt, la plaque de bêta-amyloïde et la représentation d'ANIMAL FAMILIER de protéine de tau peuvent probablement ajouter une autre dimension de puissance prévisionnelle importante, » il a dit.