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

Les trois lauréats du Myrian Studio Challenge sont connus
11/12/2018 : Intrasense a récompensé trois projets innovants en imagerie médicale en décernant les trois Prix "Myrian® Studio Challenge 2018" au dernier RSNA.  

Le deep learning pour gagner le combat contre la tuberculose
03/12/2018 : Le combat contre la tuberculose pourrait être gagné en utilisant l'IA pour le diagnostic sur les radiographies pulmonaires. Ce thème a été développé dans un article de la revue Radiology, primé au congrès de la RSNA 2018.  

La RSNA récompense des algorithmes d'identification de la pneumonie par radiographie pulmonaire
27/11/2018 : Le Pneumonia Detection Challenge a récompensé dix équipes ayant élaboré chacune un algorithme de Machine Learning pour identifier une pneumonie sur des radiographies pulmonaires. Ils ont été présentés le 26 novembre lors du congrès 2018 de la RSNA.

Diagnostic automatique des radiographies pulmonaires: dans les années 60, déjà...
21/11/2018 : Les recherches sur les usages de l'Intelligence Artificielle appliqués à la radiologie se multiplient désormais. L'éditorial du Journal Radiology revient sur ces application et rappelle que, dans les années 60, un radiologue précurseur avait initié un système d'apprentissage des images pathologiques sur les radiographies du poumon.

Un projet d'Intelligence Artificielle surdimensionné au Nord de l'Angleterre
13/11/2018 : Sectra met à disposition du consortium Northern Pathology Co-operative (NPP) au Royaume-Uni, sa plateforme d'Intelligence Artificielle pour un projet de mise en commun d'images radiologiques oncologiques pesant quelques 1,2 pétaoctets par an.  

Détecter précocement la maladie d'Alzheimer grâce au Deep Learning des données de PET-FDG
06/11/2018 : 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.  

Brain(s), la plateforme de recherche & développement japonaise d'Intelligence Artificielle en Santé
02/11/2018 : Fujifilm est désormais lancé dans le développement de technologies d'Intelligence Artificielle. C'est ainsi qu'ellle vient d'annoncer la création de "Brain(s)", son Fujifilm Creative AI Center, plateforme de recherche et développement situé en plein cœur de Tokyo.

Naissance de DRIM France IA, l'écosystème créé par le Conseil de la Radiologie française
24/10/2018 : L'écosystème français d'Intelligence Artificielle dédié à l'imagerie médicale est créé et s'appelle "DRIM France IA". Le G4 a annoncé sa mise en œuvre lors des JFR 2018.  

Canon Medical Systems intègre l'IA au cœur de ses solutions d'imagerie
10/10/2018 : Dès la fin 2018 Canon Medical Systems implantera son premier Scanner intégrant de l’intelligence artificielle (IA) au CHU de Dijon. Une solution de Deep Learning Reconstruction (DLR) embarquée permettra en effet d’augmenter la qualité et la précision des images et d’abaisser le niveau d’irradiation du patient.

Imagerie et IA: un duo à réguler finement au bénéfice du patient
09/10/2018 : Nesrine Benyahia, Présidente de DrData, et Stéphane Boyer, Directeur Général d'Arterys, nous éclairent sur les véritables enjeux de l’intelligence artificielle en imagerie médicale par des regards croisés sur les plans du juridique, des politiques publiques et des applications pratiques.


Perfectionnez-vous en IRM pelvienne en présentiel et e-learning
13/12/2018 : La formation FORCOMED de perfectionnement à l'IRM pelvienne est reconduite en 2019. Deux sessions en présentiel sont programmées, ainsi qu'un module d'e-learning.

Le Dr Philippe Cart nouveau Président du Syndicat des Radiologues Hospitaliers
13/12/2018 : Le Dr Philippe Cart (CH Charleville-Mézières) a été élu, le 7 décembre 2018, Président du Syndicat des Radiologues Hospitaliers (SRH).

Des gains significatifs dans la planification et la durée des traitements pour le cyberknife
12/12/2018 : Avec son système de planification de traitement Accuray Precision®associé à l’optimisateur VOLOTM pour le Cyberknife, Accuray réduit significativement les durées de planification et les temps de traitement.

Le JT du RSNA du 7 décembre 2018
12/12/2018 : Pour clore notre série de comptes rendus du RSNA 2018, en partenariat avec les Entretiens Médicaux d'Enghein, le JT du 7 décembre fait la synthèse de l'édition 2018 et présente des outils d'impression 3D.

Les trois lauréats du Myrian Studio Challenge sont connus
11/12/2018 : Intrasense a récompensé trois projets innovants en imagerie médicale en décernant les trois Prix "Myrian® Studio Challenge 2018" au dernier RSNA.  

Une meilleure détection du cancer du sein depuis la mammographie numérique
11/12/2018 : Le passage d'une mammographie sur film à une mammographie numérique a augmenté la détection du cancer du sein de 14% au Royaume-Uni sans augmenter le taux de rappel, selon une nouvelle étude majeure parue dans la revue Radiology.

Le JT du RSNA du 6 novembre 2018
10/12/2018 : Dans notre série de comptes rendus du RSNA 2018, en partenariat avec les Entretiens Médicaux d'Enghein, le JT du 6 décembre parle de gadolinium, de cryo et thermo-ablation, et de la rentabilité relative des modalités présentées dans ce congrès.

Un site d'information pour tranquilliser les enfants avant un examen
07/12/2018 : RadiologyInfo.org a lancé RadInfo 4 Kids, une nouvelle section du site Web grand public contenant des vidéos, des histoires, des jeux et des activités pour aider les enfants et leurs parents à se préparer aux examens d'imagerie médicale.

Le JT du RSNA du 5 décembre 2018
06/12/2018 : Dans notre série de comptes rendus du RSNA 2018, en partenariat avec les Entretiens Médicaux d'Enghein, le JT du 5 décembre évoque la radiomique, le TEP-IRM et les grandes tendances observées au RSNA 2018 notamment.

Canon Medical présente ses nouveautés au RSNA 2018
06/12/2018 : Canon Medical a une nouvelle fois, lors du RSNA 2018, fait la preuve de sa polyvalence et de son avance technologique avec ses modalités d'explorations avancées.


Radioprotection: ce qui devrait changer le 1er juillet 2018
30/03/2018 : L'Ordonnance instituant de nouvelles règles en matière de prévention du risque ionisant devrait entrer en vigueur le 1er juillet 2018. Il n'y aura pas, d'après les informations que nous avons recueillies, de révolution. La gestion des professionnels multi-établissements devrait être revue, la fiche d'exposition devrait disparaître et les PCR externes sont appelés à faire place à des OCR certifiés ISO.

LE GADOLINIUM EST-IL DANGEREUX A LONG TERME ?
05/05/2015 : Une série d'études récentes montre que le Gadolinium s'accumule de façon résiduelle dans le cerveau. Les dangers de ces résidus sont sans doute liées à la structure moléculaire de l'agent chimique qui accompagne le Gadolinium dans le corps des patients. Et les habitudes des radiologues sont appelées à changer, selon le Pr Emmanuel Kanal.

Les trois lauréats du Myrian Studio Challenge sont connus
11/12/2018 : Intrasense a récompensé trois projets innovants en imagerie médicale en décernant les trois Prix "Myrian® Studio Challenge 2018" au dernier RSNA.  

Perfectionnez-vous en IRM pelvienne en présentiel et e-learning
13/12/2018 : La formation FORCOMED de perfectionnement à l'IRM pelvienne est reconduite en 2019. Deux sessions en présentiel sont programmées, ainsi qu'un module d'e-learning.

Détecter précocement la maladie d'Alzheimer grâce au Deep Learning des données de PET-FDG
06/11/2018 : 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.  

Un site d'information pour tranquilliser les enfants avant un examen
07/12/2018 : RadiologyInfo.org a lancé RadInfo 4 Kids, une nouvelle section du site Web grand public contenant des vidéos, des histoires, des jeux et des activités pour aider les enfants et leurs parents à se préparer aux examens d'imagerie médicale.

Une meilleure détection du cancer du sein depuis la mammographie numérique
11/12/2018 : Le passage d'une mammographie sur film à une mammographie numérique a augmenté la détection du cancer du sein de 14% au Royaume-Uni sans augmenter le taux de rappel, selon une nouvelle étude majeure parue dans la revue Radiology.

Canon Medical présente ses nouveautés au RSNA 2018
06/12/2018 : Canon Medical a une nouvelle fois, lors du RSNA 2018, fait la preuve de sa polyvalence et de son avance technologique avec ses modalités d'explorations avancées.

L'Ingenia Ambition: une innovation de rupture en IRM
20/11/2018 : L'IRM Ingenia Ambition de Philips Healthcare n'a besoin que de 7 litres d'hélium pour fonctionner. Marceau Eck, Responsable marketing IRM, que nous avons rencontré aux JFR 2018, revient sur les avantages d'une telle évolution.

Naissance de DRIM France IA, l'écosystème créé par le Conseil de la Radiologie française
24/10/2018 : L'écosystème français d'Intelligence Artificielle dédié à l'imagerie médicale est créé et s'appelle "DRIM France IA". Le G4 a annoncé sa mise en œuvre lors des JFR 2018.