Apport des méthodes d’intelligence artificielle pour l’aide au diagnostic des maladies neurodégénératives basée sur des biomarqueurs multimodaux

Monica BACIU
Mathilde SAUVEE
Olivier MOREAUD


La fréquence des maladies neurodégénératives cognitives (MNDC) augmente avec l’âge. La maladie d’Alzheimer (MA) est la plus fréquente. D’autres maladies apparentées à la maladie d’Alzheimer (MAMA) partagent des caractéristiques communes avec la MA, mais varient sur le plan génétique, clinique, neuropsychologique, protéinopathique, de la neuroimagerie, évolutif et de prise en charge. Une avancée majeure est l’utilisation des biomarqueurs dans le LCR pour approcher le diagnostic neuropathologique. Les méthodes d’intelligence artificielle (IA) appliquées à des paramètres multimodaux, ont un réel potentiel de phénotypage (i.e., identifier automatiquement les caractéristiques multimodales spécifiques d’une pathologie, permettant la distinction des autres). Par ailleurs, le développement des atlas d’aide à la décision clinique basé sur l’IA, est en plein essor. Nous disposons d’une base de données rétrospective avec potentiel prospectif qui nous permettra de réaliser ce projet.
Un exemple est fournit dans l'image ci-dessus.

CN= cognitive normal ; sMCI= Stable mild cognitive impairment ; pMCI= Progressive MCI ; MA= Maladie Alzheimer ; DLFT : Dégénérescence lobaire fronto-temporale

Exemple d’atlas de maladies neurodégénératives basé sur les données cliniques et imagerie

manifold_bio.png
Mis à jour le 5 avril 2022