Des chercheurs de l’Université Queen Mary de Londres ont mis au point une nouvelle méthode permettant de prédire la démence avec une précision de plus de 80% et jusqu’à neuf ans avant le diagnostic. La nouvelle méthode permet de prédire la démence avec plus de précision que les tests de mémoire ou les mesures du rétrécissement du cerveau, deux méthodes habituellement utilisées pour diagnostiquer la démence. L’équipe, dirigée par le professeur Charles Marshall, a mis au point le test prédictif en analysant les scanners IRM fonctionnels (IRMf) afin de détecter les changements dans le “réseau de mode par défaut” (DMN) du cerveau. Le DMN relie des régions du cerveau pour exécuter certaines fonctions cognitives et est le premier réseau neuronal affecté par la maladie d’Alzheimer.
Un modèle peut prédire l’apparition de la démence jusqu’à neuf ans avant le diagnostic officiel
Les chercheurs ont utilisé des scanners IRMf de plus de 1.100 volontaires de la UK Biobank, une base de données biomédicale à grande échelle et une ressource de recherche qui contient des informations génétiques et de santé d’un demi-million de participants britanniques, pour estimer la connectivité effective entre dix régions du cerveau qui forment le réseau de mode standard. Les chercheurs ont attribué à chaque patient une valeur de probabilité de démence en fonction de la mesure dans laquelle le schéma de connectivité effective correspondait à un schéma indiquant une démence ou à un schéma similaire à un contrôle. Ils ont comparé ces prédictions avec les données médicales de chaque patient stockées dans la UK Biobank. Les résultats ont montré que le modèle prédisait l’apparition de la démence jusqu’à neuf ans avant le diagnostic officiel avec une précision de plus de 80 %. Dans les cas où les sujets ont développé une démence plus tard, le modèle a pu prédire avec précision, dans une marge d’erreur de deux ans, combien de temps il faudrait pour que le diagnostic soit posé.
Les chercheurs ont également examiné si des changements dans le DMN pouvaient être causés par des facteurs de risque connus de démence. L’analyse a montré que le risque génétique de la maladie d’Alzheimer était fortement lié aux changements de connectivité dans le DMN, ce qui soutient l’idée que ces changements sont spécifiques à la maladie d’Alzheimer.
Les chercheurs ont également découvert que l’isolement social, par ses effets sur la connectivité dans le DMN, augmente probablement le risque de démence.
Chales Marshall, professeur et médecin honoraire en neurologie, a dirigé l’équipe de recherche au sein du Centre de neurologie préventive du Queen Mary’s Wolfson Institute of Population Déterminer qui sera atteint de démence à l’avenir est, selon Marshall, d’une importance capitale pour le développement de traitements capables de prévenir la perte irréversible de cellules cérébrales à l’origine des symptômes de la démence. Bien que les scientifiques soient de plus en plus capables de détecter dans le cerveau les protéines qui peuvent déclencher la maladie d’Alzheimer, de nombreuses personnes vivent pendant des décennies avec ces protéines dans leur cerveau sans développer de symptômes de démence. Les chercheurs espèrent que la mesure de la fonction cérébrale qu’ils ont mise au point leur permettra de déterminer avec beaucoup plus de précision si une personne va effectivement développer une démence et à quelle échéance, de sorte qu’il sera possible de déterminer si elle pourrait bénéficier de traitements futurs. Grâce à ces techniques d’analyse et à de grands ensembles de données, ils pourront identifier les personnes qui présentent un risque élevé de démence et également savoir quels facteurs de risque environnementaux ont placé ces personnes dans une zone à haut risque. Il existe un énorme potentiel pour appliquer ces méthodes à différents réseaux cérébraux et populations afin de mieux comprendre les interactions entre l’environnement, la neurobiologie et la maladie, à la fois dans la démence et éventuellement dans d’autres maladies neurodégénératives.
Outil d’IA pour le diagnostic de différentes formes de démence
10 millions de nouveaux cas de démence sont diagnostiqués chaque année, mais la présence de différentes formes de démence et de symptômes qui se chevauchent peut compliquer le diagnostic et la mise en place de traitements efficaces. Des chercheurs de l’Université de Boston ont mis au point un outil d’intelligence artificielle capable de diagnostiquer dix formes différentes de démence, telles que la démence vasculaire, la démence à corps de Lewy et la démence frontotemporale, même si elles se manifestent simultanément. Les chercheurs ont mis au point une méthode d’apprentissage automatique (ML) multimodale qui identifie avec précision les démences spécifiques à l’aide de données cliniques généralement collectées, telles que les informations démographiques, les antécédents médicaux du patient et de sa famille, la prise de médicaments, les résultats d’examens neurologiques et neuropsychologiques et les techniques d’imagerie telles que les scanners IRM. Les résultats ont été publiés dans Nature Medicine. Cet outil d’IA générative permet un diagnostic différencié de la démence à l’aide de données cliniques recueillies en routine et démontre son potentiel en tant qu’outil de diagnostic évolutif pour la maladie d’Alzheimer et les démences apparentées.
Il n’y a pas assez de spécialistes en neurologie dans le monde et le nombre de patients ayant besoin de leur aide augmente rapidement. Cette disparité représente une charge importante pour le système de santé. Les chercheurs pensent que l’IA peut aider en détectant ces troubles à un stade précoce et en aidant les médecins à traiter leurs patients afin d’éviter que les maladies ne s’aggravent. Étant donné que le nombre de cas de démence devrait doubler au cours des 20 prochaines années, les chercheurs espèrent que cet outil d’IA pourra fournir un diagnostic différentiel précis et soutenir la demande croissante de mesures thérapeutiques ciblées pour les maladies de démence.