Un logiciel prédit le déclin cognitif à l'aide d'images cérébrales

La maladie neurologique chronique appelée maladie d'Alzheimer est l'une des plus insidieuses de la société moderne. En 2015, on pensait que quelque 30 millions de personnes étaient atteintes de cette maladie. En tant que condition extrêmement coûteuse à gérer, cela impose des charges importantes sur les systèmes de soins de santé du monde entier.

Bien qu'il n'existe aucun moyen connu d'arrêter la maladie dans les cas avancés, il est prouvé que sa progression peut être ralentie ou stoppée si elle est identifiée tôt. Trouver un moyen fiable de repérer les personnes à risque de développer la maladie est donc un objectif important.

Aujourd'hui, Hongyoon Choi du Centre de santé publique de Cheonan et Kyong Hwan Jin de l'Institut supérieur des sciences et technologies de Corée, tous deux en Corée du Sud, affirment avoir utilisé l'apprentissage en profondeur pour développer une telle technique. Ces gars-là disent que leur processus peut identifier avec précision les personnes susceptibles de développer la maladie d'Alzheimer au cours des trois prochaines années.

Un réseau d'apprentissage en profondeur apprend à reconnaître la signature unique de la maladie d'Alzheimer dans les images TEP du cerveau humain.

Le déclin cognitif est inévitable avec l'âge. Nous avons tendance à devenir plus oublieux, à perdre le fil de nos pensées plus souvent et à avoir plus de mal à prendre des décisions ou à accomplir des tâches. Les médecins appellent cela une déficience cognitive légère, et elle affecte la plupart des gens à mesure qu'ils vieillissent.

De nombreuses personnes atteintes de troubles cognitifs légers développent ensuite la maladie d'Alzheimer, qui est beaucoup plus grave. Les personnes atteintes de cette maladie perdent leur vocabulaire, utilisant fréquemment des substitutions de mots incorrectes. Ils cessent de reconnaître leurs proches, perdent les compétences de base en matière de soins personnels et finissent par devenir entièrement dépendants des soignants. La plupart meurent quelques années après le diagnostic.

Mais curieusement, toutes les personnes atteintes de troubles cognitifs légers ne suivent pas cette voie. Certains ne se détériorent jamais et quelques-uns s'améliorent même. Les médecins aimeraient donc beaucoup pouvoir repérer les personnes susceptibles de développer la maladie d'Alzheimer, car elles sont les plus susceptibles de bénéficier d'un traitement.

Une façon d'y parvenir est d'étudier les tomographies par émission de positrons (TEP) du cerveau. La maladie d'Alzheimer est connue pour être caractérisée par la croissance indésirable d'amas de protéines appelées plaques amyloïdes et par un métabolisme cérébral lent, mesuré par le taux d'utilisation du glucose par le cerveau.

Certains types de TEP peuvent révéler des signes de ces deux conditions et peuvent donc être utilisés pour repérer les personnes atteintes de troubles cognitifs légers qui sont les plus à risque de développer la maladie d'Alzheimer.

C'est la théorie. En pratique, l'interprétation des images est difficile. Les chercheurs ont trouvé un ou deux marqueurs puissants que les observateurs formés peuvent rechercher, mais cette méthode prend du temps et est sujette à l'erreur.

Entrez Hongyoon et Kyong qui ont remplacé les observateurs humains dans ce processus par un réseau neuronal d'apprentissage en profondeur.

Leur méthode est simple. Ces dernières années, les chercheurs sur la maladie d'Alzheimer du monde entier ont construit une base de données d'images cérébrales de personnes atteintes et non atteintes de la maladie d'Alzheimer. Hongyoon et Kyong utilisent cette base de données pour entraîner un réseau neuronal convolutif à reconnaître la différence entre eux.

Cet ensemble de données se compose d'images cérébrales de 182 personnes dans la soixantaine avec un cerveau normal et d'images cérébrales de 139 personnes d'à peu près le même âge chez qui on a diagnostiqué la maladie d'Alzheimer. Avec une formation conventionnelle, la machine apprend rapidement à reconnaître la différence avec une précision de près de 90 %.

Hongyoon et Kyong utilisent ensuite leur machine pour analyser un ensemble de données différent. Il s'agit d'images cérébrales de 181 personnes dans la soixantaine atteintes de troubles cognitifs légers, dont 79 ont développé la maladie d'Alzheimer en trois ans. La tâche que Hongyoon et Kyong ont confiée à la machine était de repérer ces individus sensibles.

Les résultats rendent la lecture intéressante. Hongyoon et Kyong affirment que leur réseau de neurones a identifié les personnes à risque de développer la maladie d'Alzheimer avec une précision de 81 %. C'est nettement plus élevé que ce que les observateurs formés gèrent lors de l'analyse visuelle des images. Ces résultats montrent la faisabilité de l'apprentissage en profondeur comme outil de prédiction de l'évolution de la maladie à l'aide d'images cérébrales, disent-ils.

C'est un résultat intéressant. Il suggère un moyen relativement rapide de repérer les personnes à risque de développer la maladie d'Alzheimer et celles qui bénéficieraient le plus d'une intervention précoce. C'est une approche qui pourrait améliorer la qualité de vie de nombreuses personnes et faire économiser des sommes importantes aux systèmes de santé surchargés.

Plus généralement, la technique de Hongyoon et Kyong n'est qu'un exemple de l'utilisation croissante de l'apprentissage profond dans le diagnostic médical. Les preuves suggèrent que les machines d'apprentissage en profondeur peuvent détecter des conditions complexes plus tôt et plus précisément que les humains. Et la technique fonctionne pour diverses conditions, des maladies cardiaques au cancer.

De toute évidence, l'apprentissage en profondeur est sur le point de changer le monde de la médecine. La seule question pour ceux qui souffrent actuellement de troubles cognitifs légers est de savoir à quelle vitesse.

Réf : arxiv.org/abs/1704.06033 : Prédire le déclin cognitif grâce à l'apprentissage en profondeur du métabolisme cérébral et de l'imagerie amyloïde

cacher