L’intelligence artificielle prédit la démence avant l’apparition des premiers symptômes
![](/newsroom/files/newsroom/styles/fullwidth_breakpoints_theme_moriarty_small_1x/public/channels/image/amyloid-ai.jpg?itok=hg11p6lK×tamp=1503411388)
Imaginez si les médecins pouvaient établir, des années à l’avance, quelles sont les personnes susceptibles d’être atteintes de démence. De telles capacités pronostiques pourraient donner aux patients et à leur famille le temps de bien planifier et gérer leurs soins et leurs traitements. Grâce à la recherche en intelligence artificielle menée à l’Université ƻ¹ûÒùÔº, cette puissance prédictive pourrait bientôt être à la portée des cliniciens aux quatre coins du monde.
Des chercheurs du Laboratoire de neuro-imagerie translationnelle de l’Institut universitaire de santé mentale Douglas de l’Université ƻ¹ûÒùÔº ont employé des techniques d’intelligence artificielle et des mégadonnées pour développer un algorithme capable de détecter les signes distinctifs de la démence deux ans avant l’apparition des premiers symptômes, au moyen d’une seule TEP-amyloïde du cerveau chez des patients qui présentent des facteurs de risque de la maladie d’Alzheimer. Les données recueillies par les chercheurs figurent dans une nouvelle étude publiée dans la revue .
Le DrÌý±Ê±ð»å°ù´ÇÌý¸é´Ç²õ²¹-±·±ð³Ù´Ç, coauteur principal de l’étude, et professeur adjoint aux départements de psychiatrie et de neurologie et neurochirurgie de l’Université ƻ¹ûÒùÔº, prévoit que cette nouvelle technique amènera les médecins à modifier leur prise en charge des patients, tout en accélérant grandement la recherche sur le traitement de la maladie d’Alzheimer.
« Dans le cadre d’essais cliniques, l’utilisation de cet outil permettra aux chercheurs de se concentrer exclusivement sur les patients qui présentent un risque élevé d’être atteints de démence au cours de l’étude, réduisant ainsi nettement les coûts et le temps nécessaires à la conduite de ces études », d’ajouter le Dr Serge Gauthier, coauteur principal de l’étude et professeur de neurologie, de neurochirurgie et de psychiatrie à l’Université ƻ¹ûÒùÔº.
La présence de plaques amyloïdes : un biomarqueur de la démence
Les scientifiques savent depuis longtemps déjà qu’une protéine appelée bêta-amyloïde s’accumule dans le cerveau des patients atteints d’un déficit cognitif léger (DCL), lequel conduit souvent à la démence. Bien que l’accumulation de bêta-amyloïde débute plusieurs dizaines d’années avant l’apparition des symptômes de démence, cette protéine ne pouvait auparavant servir de biomarqueur prévisionnel, étant donné que le DCL ne mène pas à la maladie d’Alzheimer chez tous les patients.
Dans le cadre de leur étude, les chercheurs de Æ»¹ûÒùÔº se sont appuyés sur des données de l’Initiative en neuro-imagerie de la maladie d’Alzheimer (ADNI), un programme de recherche mené chez des patients ayant accepté de se soumettre à des examens d’imagerie et autres évaluations cliniques.
Sulantha Mathotaarachchi, un informaticien de l’équipe des Drs Rosa-Neto et Gauthier, s’est servi des résultats de centaines de TEP-amyloïde effectuées chez des patients atteints de DCL tirés de la base de données de l’ADNI pour élaborer l’algorithme de l’équipe de recherche visant à établir, avec une précision de 84 %, quels patients seront atteints de démence, avant l’apparition des premiers symptômes. La recherche se poursuit sur les autres biomarqueurs de la démence qui pourraient être intégrés à l’algorithme dans le but d’améliorer les capacités prévisionnelles du logiciel.
« Voilà un bel exemple des bienfaits tangibles que les mégadonnées et la science ouverte peuvent apporter dans le traitement des patients », de mentionner le Dr Rosa‑Neto, également directeur du Centre de recherche et d’études sur le vieillissement de l’Université Æ»¹ûÒùÔº.
³¢â€™a³¦³¦Ã¨²õ à ce nouveau logiciel est d’ores et déjà offert aux chercheurs et aux étudiants, mais son homologation par les autorités de santé publique est requise avant que les médecins puissent l’utiliser dans leur pratique clinique. À cette fin, l’équipe de recherche de Æ»¹ûÒùÔº procède actuellement à des essais approfondis en vue de valider l’algorithme auprès de différentes cohortes de patients, tout particulièrement chez ceux qui présentent des affections concomitantes, telles que de petits accidents vasculaires cérébraux.
Cette étude a été financée par le Consortium canadien en neurodégénérescence associée au vieillissement (CCNV) et les Instituts de recherche en santé du Canada.
L’article « Identifying incipient dementia individuals using machine learning and amyloid imaging », par S. Mathotaarachchi et coll., a été publié dans la revue et est accessible à .
Lien vers le logiciel :