EAN2023 – Les médecins pourront bientôt faire appel à l'IA peut prédire l'évolution cognitive de leurs patients

Des chercheurs allemands et islandais ont utilisé un réseau neuronal convolutif (RNC) pour entraîner un algorithme sur les deux premiers examens d’imagerie par TEP-FDG afin de prédire le troisième chez des participants âgés (55 ans et plus) dans le cadre de l’Initiative de neuro-imagerie de la maladie d’Alzheimer (Alzheimer’s Disease Neuroimaging Initiative). « L’algorithme a prédit avec précision le futur signal global TEP-FDG de l’ensemble du cerveau, notamment la réduction métabolique, qui reflète l’activité neuronale », a déclaré Elena Doering, doctorante au Centre allemand des maladies neurodégénératives (DZNE) de Göttingen, qui a participé à l’étude. « L’algorithme a été capable d’anticiper le déclin futur du signal par le biais de la réduction métabolique, qui reflète la perte d’activité neuronale ». L’efficacité de l’algorithme a été mise en évidence par sa capacité à détecter les processus neurodégénératifs en cours, même au stade initial, en prédisant un déclin significatif du signal jusqu’à 6 ans après l’examen initial de la MA dans les régions sensibles à la maladie, telles que les régions temporales et pariétales inférieures bilatérales, ainsi que le cortex cingulaire postérieur. 

Une exploration unique

Cette étude représente une exploration unique, car la prédiction des changements métaboliques longitudinaux dans le cerveau à l’aide des examens d’imagerie par TEP-FDG a rarement été testée. Les auteurs soulignent la rareté des études qui parviennent à prédire des changements longitudinaux globaux dans l’ensemble du cerveau, par rapport aux études qui se concentrent sur des changements spécifiques tels que le volume de l’hippocampe.

La disponibilité d’un outil capable de prédire les examens d’imagerie par TEP-FDG longitudinaux en utilisant les examens d’imagerie initiaux et les examens d’imagerie de suivi à un an pourrait grandement améliorer les soins aux patients. Les médecins seraient en mesure d’interpréter les examens d’imagerie du cerveau par TEP-FGD anticipés « futurs » des années à l’avance, de manière similaire à leur pratique habituelle. Cette approche a le potentiel d’améliorer le diagnostic précoce, de fournir un pronostic fiable et de permettre des prédictions individualisées des changements pathologiques du cerveau au fil du temps. Des études antérieures telles que IDEAS ont montré que les diagnostics éclairés par l’imagerie peuvent conduire à des changements dans la prise en charge clinique, par rapport aux diagnostics établis uniquement sur la base des caractéristiques cliniques.

En outre, l’étude pourrait contribuer à la compréhension de la progression naturelle de la maladie d’Alzheimer, qui n’a pas encore d’étiologie définitive. Des facteurs tels que l’âge, les variations génétiques et les choix de mode de vie jouent un rôle dans le développement de la maladie, et les résultats de cette étude pourraient aider à identifier les facteurs qui influencent le rythme de progression et à obtenir des pronostics personnalisés sans qu’il soit nécessaire de procéder à des examens répétés d’imagerie cérébrale.

Dans le contexte des essais cliniques, ce nouvel outil pourrait être utile pour évaluer l’efficacité de médicaments spécifiques sur un patient donné en comparant l’état réel du cerveau à l’état prévu après le traitement. Il pourrait également servir à prédire l’efficacité des médicaments dans le cadre d’essais cliniques, en éliminant la nécessité d’un suivi prolongé ou d’examens d’imagerie répétés. Les chercheurs prévoient qu’au fur et à mesure que les bases de données s’étofferont et prendront en compte des périodes plus longues, les capacités prédictives pourraient s’étendre au-delà de six ans. 

Cet article a été traduit à partir d’Univadis Italie.