Mieux comprendre les lésions cérébrales traumatiques avec le Machine Learning
MARDI 15 MAI 2018
Soyez le premier à réagirUne étude menée à l'UT Southwestern Medical Center de Dallas a utilisé le Machine Learning pour affiner les recherches sur les lésions causées par les impacts reçus à la tête par les joueurs de football américain d'âge scolaire. Le mode cérébral par défaut semble très perturbé dans les cas de commotion.
Deux études ont analysé le réseau cérébral de mode par défaut (DMN), qui est actif pendant le repos éveillé et dans lequel sont observés des modifications chez les patients souffrant de troubles mentaux. Mais la diminution de la connectivité au sein du réseau est également associée à une lésion cérébrale traumatique. "Le DMN existe dans les zones de la matière grise profonde du cerveau, a expliqué le Dr Elizabeth M. Davenport, chercheur postdoctoral dans le laboratoire Advanced NeuroScience Imaging Research (ANSIR) au UT Southwestern's O'Donnell Brain Institute. Cela concerne des structures qui s'activent lorsque nous sommes éveillés et qui effectuent de l'introspection ou du traitement des émotions, qui sont des activités importantes pour la santé du cerveau."
Une étude mélant les informations issues du HITS et de l'IRMf
Dans la première étude, les chercheurs ont utilisé l'Intelligence Artificielle. Ils ont étudié de jeunes joueurs de football américain sans antécédent de commotion cérébrale pour identifier l'effet des impacts répétés sur le DMN. "Au cours d'une saison de football, les joueurs sont exposés à de nombreux impacts à la tête, la grande majorité d'entre eux n'entraînant pas de commotion cérébrale, a déclaré le Dr Gowtham Krishnan Murugesan, étudiant en génie biomédical et membre du laboratoire ANSIR. Pour l'étude, 26 jeunes joueurs de football (âgés de 9 à 13 ans) ont été équipés du système Head Impact Telemetry System (HITS) pendant toute une saison de football. Les casques HITS sont munis d'accéléromètres ou de capteurs qui mesurent l'ampleur, l'emplacement et la direction des impacts sur la tête. Des IRM fonctionnelles (IRMf) avant et après la période de repos ont été effectués sur tous les joueurs et les contrôles, et la connectivité au sein des sous-composants DMN a été analysée.
Cinq algorithmes de classification utilisés
Les chercheurs ont utilisé le Machine Learning (ML) pour analyser les données de l'IRMf. "Le ML a fait progresser énormément notre recherche, car il nous donne une perspective nouvelle et une capacité à analyser les relations complexes dans les données, a déclaré le Dr Murugesan. Nos résultats suggèrent un changement fonctionnel croissant dans le cerveau avec l'augmentation de l'impact au niveau de la tête." Cinq algorithmes de classification de ML ont été utilisés pour prédire si les joueurs étaient dans les groupes à exposition élevée, à faible exposition ou sans contact en fonction des résultats de l'IRMf. L'algorithme faisait la distinction entre une exposition à fort impact et un non-contact avec une précision de 82%, et une exposition à faible impact et un non-contact avec une précision de 70%. Les résultats suggèrent un changement fonctionnel croissant avec une exposition croissante à l'impact de la tête.
"Les cerveaux de ces jeunes et adolescents sont en pleine maturation dans cette tranche d'âge. Cette étude démontre que jouer une saison de sports de contact au niveau des jeunes peut produire des changements en neuro-imagerie cérébrale, en particulier pour le DMN", a déclaré Murugesan. Les deux chercheurs ont ajouté qu'un panel plus large de données, des études longitudinales qui suivent les jeunes footballeurs et des recherches combinant Magnéto-EncéphaloGraphie (MEG) et IRMf sont nécessaires pour mieux comprendre les facteurs complexes impliqués dans les commotions cérébrales.
Bruno Benque avec RSNA