Vous êtes dans : Accueil > Actualités > Intelligence Artificielle, Machine Learning > Détecter précocement la maladie d'Alzheimer grâce au Deep Learning des données de PET-FDG

Détecter précocement la maladie d'Alzheimer grâce au Deep Learning des données de PET-FDG

MARDI 06 NOVEMBRE 2018 Soyez le premier à réagirSoyez le premier à réagir

Le Deep Learning basé sur les données du PET-FDG améliorerait la capacité de l'imagerie cérébrale à prédire précocement la maladie d'Alzheimer. C'est ce que conclut une étude publiée dans la revue Radiology qui identifie les changements métaboliques avec une sensibilité significative.

 

RSNA

Le diagnostic précoce de la maladie d'Alzheimer est extrêmement important, les traitements s'avérant plus efficaces au début de l'évolution de la maladie.

Des changements métaboliques difficiles à évaluer au stade précoce

La recherche a établi, en effet, un lien entre l'évolution de la maladie et les modifications du métabolisme, comme en témoigne l'absorption de glucose dans certaines régions du cerveau, mais ces modifications peuvent être difficiles à identifier. C'est dans ce cadre qu'une étude, publiée dans la revue Radiology, a tenté d'évaluer les apports de l'Intelligence Artificielle (IA) dans la capacité de l'imagerie cérébrale à prédire cette maladie. "Les différences d'absorption de glucose dans le cerveau sont très subtiles et diffuses, commente le Dr Jae Ho Sohn, co-auteur de l'étude, du département de radiologie et d'imagerie biomédicale de l'Université de Californie à San Francisco (UCSF). L'identification des biomarqueurs spécifiques de la maladie est facile, mais les changements métaboliques représentent un processus plus global et subtil."

Création d'un algorithme basé sur les données du PET-FDG

Le Dr Benjamin Franc, auteur principal de l'étude, de l'UCSF, a contacté le Dr Sohn et l'Université de Californie à Berkeley, par l'intermédiaire du groupe de recherche Big Data in Radiology (BDRAD), une équipe multidisciplinaire de médecins et d'ingénieurs travaillant dans le domaine des datas de radiologie. Il souhaitait envisager avec eux l'utilisation du Deep Learning afin de détecter les modifications du métabolisme cérébral prédictives de la maladie d’Alzheimer. Les chercheurs ont ainsi créé un algorithme sur la base d'un PET au 18-F-fluorodésoxyglucose (PET-FDG). Dans ce type d'examen, le FDG, est injecté dans le sang et la TEP peut ensuite mesurer l'absorption de FDG dans les cellules du cerveau, ce qui fait office d'indicateur de l'activité métabolique.

Le Deep Learning identifie les schémas métaboliques avec une sensibilité significative

Les chercheurs ont eu accès aux données de l'Alzheimer’s Disease Neuroimaging Initiative (ADNI), une vaste étude multi-site axée sur les essais cliniques visant à améliorer la prévention et le traitement de cette maladie. L'ensemble de données ADNI comprenait plus de 2 100 images cérébrales de PET-FDG provenant de 1 002 patients. Les chercheurs ont formé l'algorithme de Deep Learning sur 90% des données, puis l'ont testé sur les 10% restants. Grâce au Deep Learning, l'algorithme a pu apprendre lui-même les schémas métaboliques correspondant à la maladie d'Alzheimer. Enfin, les chercheurs ont testé l'algorithme sur un ensemble indépendant de 40 examens d'imagerie de 40 patients qu'il n'avait jamais étudiés. L'algorithme a atteint une sensibilité de 100% lors de la détection de la maladie, en moyenne plus de six ans avant le diagnostic final.

Un outil complémentaire au travail des radiologues

"Nous sommes très satisfaits de la performance de cet algorithme, s'exclame le Dr Sohn. Il a été possible de prédire chaque cas ayant évolué vers la maladie d'Alzheimer." Bien qu'il reconnaisse que cette procédure indépendante nécessite une étude prospective multi-sites plus poussée, le Dr Sohn remarque que cet algorithme peut être un excellent outil complémentaire pour le travail des radiologues, en plus des éléments biochimiques et des images médicales, ainsi qu'une opportunité pour appliquer des traitements précoces de l'Alzheimer. "Si nous diagnostiquons la maladie d'Alzheimer lorsque tous les symptômes se sont manifestés, le volume du cerveau est tellement important qu'il est trop tard pour intervenir, poursuit-il. Si nous pouvons le détecter plus tôt, les chercheurs auront ainsi la possibilité de trouver des moyens de ralentir, voire d'arrêter, le processus de la maladie."

Des recherches futures sur les agrégats protéiques, marqueurs spécifiques de l'Alzhzimer

Les prochaines recherches porteront notamment sur la formation d'un algorithme de Deep Learning visant à rechercher des schémas associés à l'accumulation de protéines bêta-amyloïdes et tau, d'agrégats protéiques anormaux dans le cerveau, qui sont des marqueurs spécifiques de la maladie d'Alzheimer, selon le Dr Youngho Seo, de l'UCSF, qui a été l’un des conseillers pédagogiques de l’étude. "Si le PET-FDG peut prédire la maladie d'Alzheimer avec l'IA, l'imagerie TEP de la protéine bêta-amyloïde et de la protéine tau, à un stade précoce, peut éventuellement ajouter une autre dimension au pouvoir prédictif de l'IA", conclut-il.

Bruno Benque avec RSNA


toshiba

Données de Santé : une nouvelle approche pour assurer la confidentialité
25/03/2020 : La sécurité des données de Santé et la protection de la vie privée des patients est une préoccupation majeure pour les tutelles sanitaires. Un Rapport publié dans la Revue Radiology suggère de considérer les données comme n’appartenant à personne et de cibler l’éthique des prestataires d’IA.  

Des modèles pertinents de deep learning pour la radiographie thoracique
03/12/2019 : Selon une étude publiée dans la revue Radiology, le deep learning peut détecter des résultats de radiographie thoracique cliniquement significatifs aussi efficacement que des radiologues expérimentés. Les chercheurs rapportent que leurs résultats pourraient constituer une ressource précieuse pour le développement futur de modèles d’intelligence artificielle pour la radiographie thoracique.

Assembler plusieurs modèles de machine learning pour affiner les résultats
27/11/2019 : La combinaison de plusieurs modèles de machine learning peut s’apparenter à une interprétation avec plusieurs avis de radiologues. Une étude publiée dans la Revue Radiology : Intelligence Artificielle décrit des résultats en ce sens. Un chalenge sur les hémorragies cérébrales explorées par scanner sera organisé au RSNA 2019.

Un réseau de neurones profonds pour améliorer le diagnostic de cancer du poumon
13/11/2019 : Selon des recherches publiées dans la revue Radiology, les radiologues assistés par un logiciel basé sur le deep learning étaient plus en mesure de détecter les cancers du poumon malins sur radiographies du thorax.

L'intelligence artificielle au révélateur de l'imagerie oncologique
12/11/2019 : Dans notre série d’articles dédiés au prochain symposium Scanner volumique, nous allons à la rencontre des orateurs qui animeront cet événement. Aujourd’hui, le Pr Pierre-Jean Valette évoque pour nous l’intelligence artificielle appliquée à l’imagerie oncologique, un thème qu’il abordera lors du symposium.

La recherche sur l'IA en imagerie avance avec le Data Challenge
25/10/2019 : Le Pr Nathalie Lassau, Professeur de Radiologie à l'Université Paris Sud et Co-Directrice du laboratoire d Imagerie IR4M (UPSUD/ CNRS) à l'Institut Gustave Roussy, est la responsable du Data Challenge dont la première édition a été organisée aux JFR 2018. Nous l'avons rencontrée pour une évocation des améliorations apportées, en 2019, à cette compétition.

Une plateforme dédiée pour choisir un moteur d'IA pertinent
03/10/2019 : Acteur historique de l'informatique de Santé, Softway Medical propose une offre d'intelligence artificielle tout à fait originale. À partir d'un catalogue de moteurs d'IA, le radiologue pourra choisir celui qui répondra précisément à ses besoins. Rendez-vous aux JFR 2019 pour découvrir cette nouvelle offre.

L'hémorragie cérébrale, thème du RSNA IA challenge 2019
17/09/2019 : La Radiological Society of North America (RSNA) vient de lancer son troisième défi annuel sur l'intelligence artificielle (IA): le défi RSNA de détection et de classification des hémorragies intracrâniennes.

La Data science en Santé se développe à l'Université
13/08/2019 : L'Intelligence artificielle en Santé fera l'objet de plusieurs cursus de formation dans les Universités françaises à la rentrée. C'est notamment le cas à l'Université Paris Descartes.

RSNA 2019 : 3 700 m2 dédiés à l'intelligence artificielle
09/08/2019 : Le RSNA 2019 AI Showcase proposera un plus grand espace dédié à l'intelligence artificielle. Des démonstrations et des salles de classe permettront aux fournisseurs de solutions et aux spécialistes de promouvoir les outils d'aide à la décision clinique ainsi que les bonnes pratiques de gestion des données.


Session didactique de radiothérapie moderne en vidéo
02/04/2020 : Quelles sont les différentes formes de radiothérapie dans la pratique moderne ? Le Dr Patrick Ezri, radiothérapeute, nous en fait une présentation didactique en vidéo.

Premier cas de lésions cérébrales dues au COVID-19 à l'IRM
01/04/2020 : Le premier cas d’encéphalopathie due au COVID-19 vient d’être décrit dans la Revue Radiology. Bien que le l’angioscanner ne montre pas d’anomalie, l’IRM objective des signes d’hémorragie dans les coupes de susceptibilité magnétique.

Édito - Les MERM, des soignants en première ligne pour le diagnostic du COVID-19
01/04/2020 : Alors que leurs collègues français ne sont pas forcément reconnus par les populations, les manipulateurs d’électroradiologie médicale ont publié une vidéo de haute facture pour partager leur quotidien en pleine pandémie de COVID-19. Un grand merci à eux pour leur implication et leur courage.

COVID-19 : participez au projet national organisé par la SFR, avec NEHS DIGITAL
01/04/2020 : La Société Française de Radiologie (SFR), en partenariat avec NEHS DIGITAL, met en place une base de données nationale des scanners thoraciques devant des suspicions de COVID-19 ou des cas confirmés. Elle permet de rassembler le plus grand nombre de scanners afin de mieux connaitre la sémiologie diagnostique, mais également de déterminer des biomarqueurs pronostiques.

Webinar - Prise en charge radiologique des patients atteints de COVID-19 à Parme
31/03/2020 : L’ESR a organisé un webinar dédié à la prise en charge radiologique des patients admis pour un COVID déclaré dans la région de Parme. Le Pr Sverzellati explique notamment la stratégie mise en place pour gérer les workflows d’examens.

NEHS DIGITAL facilite le travail des praticiens contre le COVID-19
30/03/2020 : En cette période troublée, NEHS DIGITAL met à disposition des établissements de Santé ses solutions de téléconsultation et de télé-expertise. Sa plateforme de téléradiologie facilite ainsi la prise en charge des patients COVID-19.

Les apports de la radiographie thoracique dans la détection du COVID-19
30/03/2020 : Une étude publiée dans la Revue radiologie stipule que les images de détection de la pneumonie au COVID-19 obtenues par radiographie pulmonaire sont sensiblement équivalentes à celles du scanner. Cependant, des différences sont à signaler, notamment pour le suivi des lésions.

Les sociétés savantes américaines collaborent autour d'un CR structuré de scanner lié au COVID-19
27/03/2020 : Dans un souci d’efficience dans l’annonce de la pathologie de COVID-19 et de réduction de l’anxiété des correspondants et des patients, les principales sociétés savantes américaines ont élaboré un document de consensus. Un modèle de compte rendu structuré a fait l’objet d’un consensus.

Données de Santé : une nouvelle approche pour assurer la confidentialité
25/03/2020 : La sécurité des données de Santé et la protection de la vie privée des patients est une préoccupation majeure pour les tutelles sanitaires. Un Rapport publié dans la Revue Radiology suggère de considérer les données comme n’appartenant à personne et de cibler l’éthique des prestataires d’IA.  

COVID-19 : les radiologues Vidi solidaires et mobilisés dans la guerre sanitaire
25/03/2020 : Alors que certains cabinets de radiologie ont dû fermer par manque de moyens de protection contre le COVID, les radiologues du Groupe Vidi se mettent à la disposition de leurs confrères. Ils se montrent solidaires et mobiliser pour aider à gagner la guerre sanitaire.


Premier cas de lésions cérébrales dues au COVID-19 à l'IRM
01/04/2020 : Le premier cas d’encéphalopathie due au COVID-19 vient d’être décrit dans la Revue Radiology. Bien que le l’angioscanner ne montre pas d’anomalie, l’IRM objective des signes d’hémorragie dans les coupes de susceptibilité magnétique.

Les images pulmonaires caractéristiques du coronavirus au scanner
05/02/2020 : Dans un rapport spécial publié le 4 février 2020 dans la revue Radiology, des chercheurs décrivent les caractéristiques scanographiques qui facilitent la détection et le diagnostic précoces du coronavirus de Wuhan.

Scanner thoracique du COVID-19 : différentier les images des autres pathologies virales
16/03/2020 : Dans une nouvelle étude publiée dans la revue Radiology, des chercheurs chinois et américains ont distingué des différences entre les images du COVID-19 et les autres pneumonies virales au scanner.

Les recommandations de la Société Française de Radiologie dans un contexte de COVID-19
13/03/2020 : La Société d’Imagerie Thoracique a publié un Point sur l’imagerie dans un contexte de COVID-19. Les types d’examens à réaliser, la conduite à tenir pour les professionnels et les images significatives sont ainsi détaillés.

Le scanner nouvel étalon pour le dépistage précoce du Coronavirus
27/02/2020 : Dans une étude de plus de 1000 patients, publiée dans la revue Radiology, la tomodensitométrie thoracique a surpassé les tests de laboratoire dans le diagnostic de coronavirus 2019 (COVID-19). Les chercheurs ont conclu que la tomodensitométrie devrait être utilisée comme principal outil de dépistage du COVID-19.

L'embolie pulmonaire aigüe comme complication du COVID-19
19/03/2020 : L’embolie pulmonaire aigüe est une cause de détérioration clinique des pneumonies virales. Un article paru dans la Revue Radiology : Cardiothoracic imaging rapporte deux cas d’embolie pulmonaire consécutive au COVID-19.

Scanner du COVID-19 : comprendre l'évolution des lésions à un mois
23/03/2020 : Une nouvelle étude publiée dans la Revue Radiology pourrait permettre de comprendre l’évolution des images COVID-19 au scanner. Un suivi des patients à un mois a en effet été réalisée dans ce travail.

Coronavirus au scanner : des images différentes selon le stade d'évolution
21/02/2020 : Dans une nouvelle recherche publiée le 20 février 2020 dans la revue Radiology, des chercheurs du Mount Sinai Health System de New York ont démontré que les images scanographiques dans les cas de coronavirus 19 (COVID-19) sont liées à l'évolution de l'infection.

Nouveau cas de pneumonie par COVID-19 décrit au scanner
10/03/2020 : Un nouveau cas clinique lié au COVID-19 a été décrit dans la Revue Radiology. Le scanner montre les images caractéristiques de la pneumonie provoquée par le virus et montre une légère résorption au 9ème jour d‘hospitalisation après traitement.

Les apports de la radiographie thoracique dans la détection du COVID-19
30/03/2020 : Une étude publiée dans la Revue radiologie stipule que les images de détection de la pneumonie au COVID-19 obtenues par radiographie pulmonaire sont sensiblement équivalentes à celles du scanner. Cependant, des différences sont à signaler, notamment pour le suivi des lésions.