Afin de prévenir et de guérir des maladies mentales, notamment Alzheimer, la schizophrénie et l'autisme, une nouvelle étude menée au centre TReNDS de l'université d'État de Géorgie pourrait permettre une détection précoce.
Une équipe de sept scientifiques a développé un programme informatique sophistiqué capable de parcourir d'énormes volumes de données d'imagerie cérébrale et de trouver des modèles inattendus liés aux troubles de santé mentale. Les analyses d'imagerie par résonance magnétique fonctionnelle (IRMf) utilisées pour produire les données d'imagerie cérébrale évaluent l'activité cérébrale dynamique en repérant les variations infimes du flux sanguin.
En tant qu'auteur principal de l'étude et professeur agrégé d'informatique et de neurosciences à l'Université d'État de Géorgie, Sergey Plis a fait remarquer : "Nous avons construit des modèles d'intelligence artificielle pour analyser les volumes substantiels d'informations".
Au lieu d'un instantané comme une radiographie ou l'IRM structurelle plus populaire, il a comparé ce type d'imagerie dynamique à un film, notant que "les données accessibles sont tellement plus grandes, tellement plus riches qu'un test sanguin ou une IRM standard.
" Mais c'est là le problème : il est difficile de comprendre autant de données.
Néanmoins, le scientifique a fait remarquer qu’il était difficile, à ce stade, d’interpréter autant de données.
De plus, les IRMf sont coûteuses et difficiles à obtenir. Cependant, l'exploration de données peut être effectuée à l'aide d'un modèle d'IA.
Selon Vince Calhoun, directeur fondateur du TReNDS Center et l'un des auteurs de l'étude, "il existe de vastes ensembles de données accessibles chez les individus sans problème clinique documenté".
Un ensemble de données avec plus de 10 000 personnes a servi de terrain d'entraînement initial pour les modèles d'IA, car ils ont appris les principes fondamentaux de l'imagerie IRMf et de l'activité cérébrale. Ensuite, les chercheurs ont utilisé des ensembles de données multi-sites de plus de 1200 personnes, y compris celles atteintes de la maladie d'Alzheimer, de schizophrénie et d'un trouble du spectre autistique.
Comment fonctionne-t-il ? C'est similaire à la façon dont Facebook, YouTube ou Amazon commencent à en savoir plus sur vous à partir de votre comportement en ligne et commencent à prévoir votre comportement futur, ce que vous aimez et ce que vous n'aimez pas.
Ces découvertes doivent être mises à profit avant qu'un trouble ne se manifeste pour qu'elles soient cliniquement utiles.
« Nous pourrions être en mesure d'agir si nous pouvons identifier les facteurs de risque de la maladie d'Alzheimer chez une personne de 40 ans et prédire ce risque à l'aide de marqueurs » selon le chercheur.
De la même manière, il pourrait y avoir des moyens de fournir des thérapies meilleures ou plus efficaces si les risques de schizophrénie peuvent être reconnues avant qu'il n'y ait de véritables changements dans la structure du cerveau.
"Nous sommes toujours incapables de prévoir quand exactement cela se développera, même si nous savons par des tests antérieurs ou des antécédents familiaux qu'une personne est à risque d'une maladie comme la maladie d'Alzheimer", a déclaré Calhoun. L'imagerie cérébrale pourrait raccourcir cette fenêtre en repérant les schémas pertinents dès qu'ils apparaissent avant que la maladie clinique ne devienne évidente.