Alors que les techniques d’imagerie par résonnance magnétique (IRM) permettent de détecter ou de confirmer la présence de la maladie d’Alzheimer, déceler les tout premiers signes de la maladie s’avère encore problématique. Les premiers stades de dégénérescence des zones du cerveau apparaissent avant qu’il soit possible de les visualiser à l’aide d’une IRM et il est donc très difficile de déterminer si un trouble cognitif léger est le signe d’un début de maladie d’Alzheimer. De plus, comme le souligne le Dr Alle Meije Wink (Ph.D), « même si ces techniques standard d’IRM permettent de voir les premiers effets de la maladie, comme l’atrophie de l’hippocampe, il est généralement trop tard à ce stade de détection, car l’essentiel du tissu cérébral a disparu et il n’existe aucun moyen de le restaurer. Déceler et diagnostiquer la maladie bien avant ce stade et avant qu’il ne soit trop tard serait donc très avantageux. »
Cependant, l’équipe du Dr Wink vient de publier une étude sur l’apport potentiel de l’intelligence artificielle dans la détection très précoce de la maladie d’Alzheimer. En faisant appel à une technique particulière d’imagerie par résonance magnétique appelée « marquage des spins artériels » (arterial spin labeling ou ASL), il a été possible d’appliquer des méthodes utilisées en « machine learning », une branche de l’intelligence artificielle qui donne la capacité aux ordinateurs d’apprendre sans avoir été préalablement programmés. Plus précisément, les travaux de l’équipe se basent sur l’« extraction de connaissances à partir de données » (plus connue sous le terme anglophone de data mining). Dans le cas de cette étude, les données sont les images créées par des IRM de type ASL de 260 patients atteints de dégénérescence cérébrale à différents stades : 100 patients avaient développé la maladie d’Alzheimer, 60 autres possédaient un trouble cognitif léger (TCL) et 100 patients présentaient un déclin cognitif subjectif (DCS), de plus en plus reconnu comme un précurseur du trouble cognitif léger. Un groupe contrôle de 26 patients sains a également fait partie de l’étude.
À partir des résultats de l’IRM de type ASL qui cartographie le taux de diffusion du sang dans les différentes parties du cerveau, les systèmes automatisés ont réussi à différencier les patients atteints de la maladie d’Alzheimer de ceux ayant un trouble cognitif léger ou un déclin cognitif subjectif. Par la suite, en utilisant les apprentissages des systèmes, les chercheurs ont réussi à prédire le diagnostic de la maladie d’Alzheimer avec un taux de précision allant de 82 à 90 % en présentant des cas non encore vus par le système.
Selon le Dr Meije Wink, « ces très bons résultats signifient que cette technique pourrait s’avérer être une alternative prometteuse en tant que biomarqueur de diagnostic précoce de la maladie d’Alzheimer. »
L’équipe a publié ses résultats dans la revue internationale Radiology.
Jérémy Bouchez
Collij, L. E., Heeman, F., Kuijer, J. P. A., Ossenkoppele, R., Benedictus, M. R., Möller, C., Verfaillie, S. C. J, Sanz-Arigita, E. J., van Berckel, B. N. M., van der Flier, W. M., Scheltens, P., Barkhof, F., Wink, A. M. (2016). Application of Machine Learning to Arterial Spin Labeling in Mild Cognitive Impairment and Alzheimer Disease. Radiology, 152703. http://doi.org/10.1148/radiol.2016152703