L'algorithme prédit en moyenne six ans à l'avance le développement de la maladie d'Alzheimer.
Un diagnostic précoce de la maladie d'Alzheimer permet des traitements plus efficaces. Cependant, elle est souvent détectée à un stade avancé, lorsque les symptômes sont évidents et que le cerveau s'est déjà atrophié, rendant les interventions moins pertinentes.
Avant l'apparition des premiers symptômes, des modifications de l'absorption du glucose se produisent dans les cellules cérébrales. Difficiles à observer à l'œil nu, ces changements peuvent désormais être détectés grâce à l'intelligence artificielle, selon des chercheurs américains.
Des scientifiques du Département de radiologie et d'imagerie biomédicale de l'Université de Californie à San Francisco (UCSF) ont utilisé des techniques d'apprentissage profond. L'ordinateur analyse alors des milliers d'exemples pour identifier des patterns spécifiques.
Ces exemples proviennent de plus de 2 000 scans FDG-PET réalisés sur environ 900 patients atteints de la maladie d'Alzheimer ou de troubles cognitifs légers (MCI), collectés sur douze ans. Avant chaque scan, un glucose radioactif est injecté, révélant l'absorption par les cellules cérébrales. Les chercheurs ont analysé l'ensemble du cerveau.
L'algorithme a été testé sur 40 sujets sans diagnostic préalable d'Alzheimer ou de démence. Six ans plus tard, tous ceux identifiés comme à risque ont développé la maladie ou un MCI. Parmi les autres, 82 % sont restés en bonne santé.
Les chercheurs, publiés dans Radiology, appellent à des études sur un échantillon plus large. À terme, l'algorithme pourrait détecter les agrégats de bêta-amyloïde et de tau, marqueurs typiques d'Alzheimer.
[]