Une intelligence artificielle détecte la maladie d’Alzheimer 6 ans avant un diagnostic humain

Une intelligence artificielle (IA) est étonnamment performante à déceler les changements associés à la maladie d’Alzheimer, ce qui donne aux patients un délai crucial pour intervenir avec un traitement.

Image d’entête : Le cerveau d’une personne atteinte de la maladie d’Alzheimer (à gauche) comparé à celui d’une personne “saine”. (Université de San Francisco)

Comme pour bien d’autres affections, le dépistage précoce est très important dans la maladie d’Alzheimer. Cependant, le problème est que les symptômes ne sont généralement pas clairs et, au moment du diagnostic, la plupart des traitements perdent de leur efficacité. Bien qu’il n’existe pas de traitement direct de la maladie d’Alzheimer, il existe plusieurs méthodes qui peuvent aider à enrayer la progression de la maladie. Avoir un moyen de la diagnostiquer plus tôt pourrait faire une énorme différence dans la prise en charge de la maladie.

Selon Jae Ho Sohn, chercheur au Département de radiologie et d’imagerie biomédicale de l’université de San Francisco :

L’une des difficultés de la maladie d’Alzheimer est qu’au moment où tous les symptômes cliniques se manifestent et où nous pouvons poser un diagnostic définitif, un trop grand nombre de neurones sont morts, rendant la maladie essentiellement irréversible.

C’est là qu’intervient la nouvelle IA. Sohn et ses collègues ont combiné la neuroimagerie à l’apprentissage automatique, « entraînant » l’algorithme à analyser les images de PET scan (tomographie par émission de positons) et à rechercher les tendances liées à la maladie d’Alzheimer. Ils lui ont d’abord fourni des images de l’Alzheimer’s Disease Neuroimaging Initiative (ADNI), un vaste ensemble de données publiques sur les PET scan de patients qui ont finalement reçu un diagnostic soit de maladie d’Alzheimer,  de déficience cognitive légère ou d’aucun trouble.

PET scan du cerveau d’une personne atteinte de la maladie d’Alzheimer. (National Institute on Aging)

Selon Sohn :

C’est une application idéale de l’apprentissage profond parce qu’elle est particulièrement efficace pour trouver des processus très subtils, mais diffus. Les radiologistes humains sont très doués pour identifier de minuscules foyers comme une tumeur cérébrale, mais nous avons du mal à détecter des changements plus lents et globaux. Étant donné la force de l’apprentissage profond dans ce type d’application, surtout par rapport aux humains, cela semblait être une application naturelle.

Après 1 921 scanners d’entraînement, ils ont fourni à l’IA 188 autres images, provenant également de la même base de données, mais qui ne lui avaient pas été encore présentées. Une série supplémentaire de 40 scanners de patients qui s’étaient présentés au Centre de mémoire et de vieillissement (National Institute on Aging) de l’université de San Francisco avec des troubles cognitifs possibles. L’IA a totalement réussi.

Tout d’abord, elle a permis d’identifier 92 % des patients ayant développé la maladie d’Alzheimer dans la première série de tests et 98 % dans la deuxième série. Plus impressionnant encore, en moyenne, elle a fait les prédictions 75,8 mois (plus de 6 ans) avant que le patient reçoive un diagnostic officiel.

Un algorithme de ce type pourrait être un outil prédictif très utile pour le traitement de la maladie d’Alzheimer. Bien sûr, il faudra encore un certain temps avant que la méthode puisse être appliquée cliniquement, mais les chercheurs sont optimistes. Sohn veut encore tester l’algorithme mais, selon les chercheurs, avec une validation et un étalonnage supplémentaires dans un cadre plus large, l’appareil peut déjà être utilisé.

Sohn de conclure :

Je crois que cet algorithme a un fort potentiel d’être cliniquement pertinent.

L’étude publiée dans la revue Radiology : A Deep Learning Model to Predict a Diagnosis of Alzheimer Disease by Using 18F-FDG PET of the Brain et présentée sur le site de l’université de San Francisco : Artificial Intelligence Can Detect Alzheimer’s Disease in Brain Scans Six Years Before a Diagnosis.