Un outil d’apprentissage automatique capable de détecter les premiers signes de la maladie d’Alzheimer avec une précision de 99 %
Des chercheurs de l’université de Kaunas, en Lituanie, ont mis au point un algorithme capable de prédire le risque qu’une personne soit atteinte de la maladie d’Alzheimer à partir d’images cérébrales, avec une précision de plus de 99 %.
Selon l’Organisation mondiale de la santé, la maladie d’Alzheimer est la principale cause de démence dans le monde, causant ou contribuant à environ 70 % des cas. Avec l’amélioration du niveau de vie et l’augmentation de l’âge moyen des populations mondiales, il est très probable que le nombre de cas de démence augmente fortement à l’avenir, car cette maladie est fortement corrélée à l’âge.
Cependant, comme les premiers stades de la démence ne présentent pratiquement aucun symptôme clair et accepté, la maladie est presque toujours identifiée à ses derniers stades, où les possibilités d’intervention sont limitées. L’équipe de Kaunas espère que ses travaux contribueront à protéger les gens contre la démence en permettant aux médecins d’identifier beaucoup plus tôt les personnes à risque.
Selon Rytis Maskeliūnas, chercheur au département d’ingénierie multimédia de la faculté d’informatique de l’université de technologie de Kaunas (KTU), qui supervise le doctorat de Modupe Odusami, première auteure de cette étude :
Les professionnels de la santé du monde entier tentent de sensibiliser les gens à un diagnostic précoce de la maladie d’Alzheimer, qui donne aux personnes concernées de meilleures chances de bénéficier d’un traitement. C’était l’une des questions les plus importantes dans le choix du sujet de Modupe Odusami, une doctorante originaire du Nigeria.
L’un des signes précurseurs possibles de la maladie d’Alzheimer est le déficit cognitif léger, qui se situe à mi-chemin entre le déclin auquel on peut raisonnablement s’attendre naturellement avec l’âge et la démence. De précédentes recherches ont montré que l’imagerie par résonance magnétique fonctionnelle (IRMf) peut identifier les zones du cerveau où ce déficit est en cours, bien que tous les cas ne puissent être détectés de cette manière. En même temps, la découverte de caractéristiques physiques associées dans le cerveau ne prouve pas nécessairement la maladie, mais constitue plutôt un indicateur fort que quelque chose ne fonctionne pas bien.
Bien qu’il soit possible de détecter un Alzheimer précoce de cette manière, les auteurs expliquent que l’identification manuelle du déficit cognitif léger sur ces images prend énormément de temps et nécessite des connaissances très spécifiques, ce qui signifie que toute mise en œuvre serait d’un coût prohibitif et ne pourrait traiter qu’un nombre infime de cas.
Selon Maskeliūnas, qui a supervisé l’équipe travaillant sur le modèle :
Le traitement moderne du signal permet de déléguer le traitement de l’image à la machine, qui peut le réaliser assez rapidement et avec assez de précision. Bien sûr, nous n’osons pas suggérer qu’un professionnel de la santé devrait se fier à 100% à un algorithme. Imaginez une machine comme un robot capable d’effectuer la tâche la plus fastidieuse, à savoir le tri des données et la recherche de caractéristiques. Dans ce scénario, une fois que l’algorithme informatique a sélectionné les cas potentiellement affectés, le spécialiste peut les examiner de plus près, et au final, tout le monde en profite puisque le diagnostic et le traitement parviennent au patient beaucoup plus rapidement.
Le modèle a été entraîné sur des images IRMf de 138 sujets provenant de l’ensemble de données IRMf de l’Alzheimer’s Disease Neuroimaging Initiative (une étude multisite qui vise à améliorer les essais cliniques pour la prévention et le traitement de la maladie d’Alzheimer). On lui a demandé de séparer ces images en 6 catégories, allant des sujets sains aux sujets atteints de la maladie d’Alzheimer. Plusieurs dizaines de milliers d’images ont été sélectionnées à des fins de formation et de validation. Les auteurs rapportent qu’il a été capable d’identifier correctement les caractéristiques du déficit cognitif léger dans cet ensemble de données, obtenant une précision comprise entre 99,95 % et 99,99 % pour différents sous-ensembles de données.
Bien qu’il ne s’agisse pas du premier système automatisé destiné à identifier l’apparition précoce de la maladie d’Alzheimer à partir de ce type de données, la précision de ce système est tout à fait impressionnante. L’équipe prévient que « des chiffres aussi élevés ne sont pas des indicateurs de la performance réelle », mais les résultats sont tout de même encourageants et l’équipe s’efforce d’améliorer son algorithme avec davantage de données.
Leur objectif final est de transformer cet algorithme en un logiciel portable et facile à utiliser, voire en une application.
Toujours selon Maskeliūnas :
Les technologies peuvent rendre la médecine plus accessible et moins chère. Même si 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.
L’étude publiée dans la revue Diagnostics : Analysis of Features of Alzheimer’s Disease: Detection of Early Stage from Functional Brain Changes in Magnetic Resonance Images Using a Finetuned ResNet18 Network et présentée sur le site de l’Université de technologie de Kaunas : Algorithm developed by Lithuanian researchers can predict possible Alzheimer’s with nearly 100 per cent accuracy.