L’algorithme détecte les premiers signes de la maladie d’Alzheimer avec une précision de près de 100 %

• Les troubles cognitifs légers (MCI) précèdent souvent le développement de la maladie d’Alzheimer.
• Les IRM fonctionnelles (IRMf) peuvent capturer des signes subtils de MCI, mais elles sont difficiles à interpréter.
• Des chercheurs lituaniens ont développé un algorithme d’apprentissage en profondeur qui a identifié le MCI dans une petite étude.

L’un des premiers indicateurs d’un début de maladie d’Alzheimer (MA) est le développement du MCI. Des changements subtils et difficiles à détecter dans le cerveau accompagnent le MCI à mesure que la maladie progresse.

Aujourd’hui, une étude menée par des chercheurs de l’Université de technologie de Kaunas (KTU) en Lituanie présente un algorithme informatique d’apprentissage en profondeur nouvellement développé qui peut détecter et différencier avec précision les étapes de la MCI des scans IRMf.

L’algorithme peut identifier le MCI et ses étapes avec une précision de plus de 99%.

Le MCI est un état de transition entre le déclin cognitif normal lié à l’âge et la démence. Elle n’évolue pas toujours vers la MA, mais c’est souvent le cas, et la détection précoce de la MA peut permettre aux personnes atteintes de bénéficier davantage du traitement.

« Les professionnels de la santé du monde entier tentent de sensibiliser à un diagnostic précoce de la maladie d’Alzheimer, qui offre aux personnes touchées une meilleure chance de bénéficier d’un traitement », explique le chercheur en chef de l’étude, le Dr Rytis Maskeliūnas.

Claire Sexton, DPhil, qui est directrice des programmes scientifiques et de la sensibilisation à l’Association Alzheimer et n’a pas participé à la recherche, a déclaré à Medical News Today :

« Un diagnostic précoce et précis peut avoir des avantages émotionnels, sociaux et médicaux, permettant aux individus d’élaborer des plans juridiques, financiers et de soins, d’explorer les options de traitement et de participer à des essais cliniques. »

L’étude, que KTU Ph.D. étudiant Modupe Odusami dirigé, apparaît dans la revue MDPI.

Détection algorithmique précise

Bien qu’il soit possible de reconnaître manuellement le MCI dans les images IRMf, il s’agit d’une tâche fastidieuse qui nécessite des connaissances détaillées. En tant que tel, c’est un candidat idéal pour l’automatisation utilisant l’apprentissage en profondeur. L’apprentissage en profondeur est un type d’algorithme informatique qui peut apprendre à détecter des modèles dans des données qui peuvent être trop petites ou obscures pour que les humains puissent les reconnaître facilement.

Travaillant avec des collaborateurs en intelligence artificielle, les chercheurs du KTU ont modifié un algorithme existant bien connu, ResNet 18, pour l’affiner afin de détecter le MCI.

Après le processus de formation, les chercheurs ont testé l’algorithme en classant les scans IRMf de 138 personnes.

Les scans ont représenté six étapes cognitives, commençant par un contrôle sain et passant de MCI à AD. En faisant la différence entre les premiers MCI et AD, l’algorithme était précis à 99,99 %. Il était également précis à 99,95 % pour faire la distinction entre le MCI tardif et la MA, et entre le MCI et le MCI précoce.

Le Dr Maskeliūnas note :

“Bien qu’il ne s’agisse pas de la première tentative de diagnostic de l’apparition précoce de la maladie d’Alzheimer à partir de données similaires, notre principale avancée réside dans la précision de l’algorithme.”

« De toute évidence », déclare le Dr Maskeliūnas, « des nombres aussi élevés ne sont pas des indicateurs de performances réelles, mais nous travaillons avec des institutions médicales pour obtenir plus de données. »

MNT a interrogé le Dr Maskeliūnas sur ses attentes quant à la précision de l’algorithme dans le monde réel. Il a répondu : « Je dirais qu’un taux fiable de plus de 85 % serait toujours bénéfique pour un professionnel de la santé, réduisant ainsi [their] charge de travail sur l’analyse des données.

« À ce stade », a-t-il déclaré, « nous travaillons sur des algorithmes de réglage fin, et malgré certains résultats sur un ensemble de données contrôlé rassemblé par d’autres, il est très probable que nous devrons encore le retravailler pour tenir compte des variations. dans des données réelles.

Le Dr Sexton a suggéré qu’il était trop tôt pour confirmer la valeur de l’algorithme, en déclarant :

« Il s’agit d’une étude intéressante mais de petite taille (25 participants atteints de la maladie d’Alzheimer). En conséquence, nous ne pouvons pas encore tirer de conclusions sur la nouvelle technique de diagnostic proposée. »

Dit le Dr Sexton à propos de l’algorithme : « La réplication de ces résultats dans des groupes d’étude plus vastes et plus diversifiés est nécessaire pour évaluer son potentiel.

L’avenir de l’algorithme

Le Dr Maskeliūnas prévoit le développement d’une application basée sur un algorithme que les médecins pourraient utiliser pour identifier le MCI chez les personnes à risque de MA. Ils pourraient alors diriger ces personnes vers un traitement.

Il s’intéresse également au potentiel d’intégration de l’algorithme de l’équipe dans un système d’autocontrôle qui comprend d’autres méthodes de diagnostic précoce actuellement à l’étude. Des exemples de ces autres méthodes sont le suivi des mouvements oculaires, la lecture du visage et l’analyse de la voix.

Selon le Dr Sexton, ces nouvelles technologies « sont toujours à l’étude. Certains sont maintenant incorporés dans les essais, bien qu’à titre exploratoire, pour recueillir des données supplémentaires à partir d’études à plus grande échelle. Conclusion : Bien qu’ils progressent définitivement en termes d’utilisation, ils ne sont pas encore utilisés en clinique. »

Dans le communiqué de presse du KTU, le Dr Maskeliūnas déclare : « Nous devons tirer le meilleur parti des données. C’est pourquoi notre groupe de recherche se concentre sur le principe européen de la science ouverte, afin que chacun puisse utiliser nos connaissances et les développer davantage. Je crois que ce principe contribue grandement à l’avancement de la société.

Le Dr Maskeliūnas conclut :

« Les technologies peuvent rendre la médecine plus accessible et moins chère. Bien qu’elles ne remplaceront jamais – ou du moins pas de sitôt – véritablement le professionnel de la santé, les technologies peuvent encourager la recherche d’un diagnostic et d’une aide en temps opportun. »