Il y a des scientifiques qui ont choisi leur domaine d'étude en fonction d'une expérience de vie ou de famille. Des impacts personnels et intimes qui les ont amenés à demander de l'aide pour eux-mêmes ou un proche et à couvrir ainsi les besoins de ceux qui ont des conditions similaires. Mais le parcours du neuroscientifique argentin Agustín Ibáñez diffère de ces cas sur un point. En 2010, son choix de carrière était fait depuis longtemps et elle avait plusieurs années de formation dans l'étude de la démence, lorsque son père fut diagnostiqué avec cette maladie dévastatrice. Sûr de son savoir-faire, après plusieurs années passées hors du pays, il a souhaité prendre le relais de sa mère et de sa sœur dans la prise en charge de cet être cher que la maladie transformait en être inconnu.
« À l'époque, j'étais déjà un chercheur établi sur la démence et je me sentais bien préparé pour faire face à la condition de mon père. Cependant, les choses ne se sont pas déroulées comme prévu. La démence avait transformé Mariano. Cet homme, qui était autrefois extrêmement habile, adroit et astucieux, était devenu paranoïaque, introverti et complètement isolé du monde qui l'entourait. Il a développé de sérieux problèmes de stabilité (mentale et physique). Très souvent, j'ai senti une intention malveillante dans leurs actions, et notre relation est devenue de pire en pire. Non seulement mon père avait changé, mais moi aussi j'étais devenu paranoïaque, réagissant de manière excessive au stress et j'étais à la limite de la folie quotidienne. Notre communication est devenue angoissante, continuellement incompréhensible , pleine d' anxiété et de tristesse », raconte-t-il. "J'ai dû être un très mauvais soignant pour mon père", se lamente-t-il. L'une des nombreuses leçons que cette expérience, qui se répète dans des millions de familles à travers le monde, laisse derrière elle est évidente : le coût que doivent supporter les proches de ces patients est dévastateur, non seulement financièrement, mais surtout mentalement et physiquement.
"Finalement, mon père est décédé à San Juan , ma ville natale, le septième jour du septième mois de 2011, sans les soins que mérite toute personne atteinte de démence", dit-il. Ses travaux de recherche se sont poursuivis sur le même sujet, à l'Université de Californie à San Francisco (UCSF), à l'Université Adolfo Ibáñez du Chili et au Trinity College de Dublin, la ville où il vit actuellement et d'où il a parlé avec Infobae.
Ibañez, ainsi que d'autres chercheurs de ces mêmes centres d'étude, tels que Sebastián Moguilner, Ph.D. en biologie, ont récemment publié un article dans Science Direct et The Lancet dans lequel ils expliquent comment ils ont réussi à construire un système d'intelligence artificielle (IA) capable de détecter précocement différents sous-types de démence grâce à l'imagerie par résonance magnétique, même lorsque ces neuro-imageries sont de faible qualité.
Le groupe a développé "un cadre d'apprentissage en profondeur entièrement automatique basé sur des données IRM brutes et l'a testé sur des ensembles de données hétérogènes et non stéréotypés", pour tester l'efficacité des résultats. L'intention du groupe d'experts était de créer un système pouvant être appliqué à des groupes de population sous-représentés , comme ceux d'Amérique latine, car il existe des études similaires dans l'hémisphère nord, tant aux États-Unis qu'en Europe.
Le scientifique argentin, qui est actuellement directeur de l'Institut latino-américain de la santé cérébrale (BrainLat), de l'Université Adolfo Ibáñez ; et chef du groupe de modèles prédictifs de la santé du cerveau du Global Brain Health Institute (GBHI) du Trinity College de Dublin et de l'Université de Californie à San Francisco (UCSF), a expliqué les raisons de la recherche de cette manière : "L'Amérique latine a un prévalence très élevée des maladies neurodégénératives et la projection pour 2050 est terrible, puisqu'on estime entre 120% et 250% d'augmentation de la prévalence. C'est l'une des régions qui aura le plus grand impact par rapport, par exemple, à l'Europe et aux États-Unis, où la prévalence est déjà en baisse ».
Pour jauger l'intérêt de ce type d'étude, les neuroscientifiques préviennent que ce type de maladie est "un problème gigantesque car c'est une maladie dévastatrice, qui coûte plus cher que le cancer à la santé publique lorsque les coûts directs et indirects sont cumulés et, ce qui est le plus important avant tout, le patient a besoin de soins massifs. Donc toute la famille est touchée."
Dans le cas de la région, a-t-il ajouté, actuellement "la démence n'est pas bien diagnostiquée". On estime qu'"environ 90% des patients ne reçoivent pas de diagnostic" car ils nécessitent un grand nombre de tests. Par exemple, l'un des signes des maladies neurodégénératives est « l'atrophie cérébrale , c'est-à-dire la réduction du volume de matière grise dans les neurones », mais pour interpréter la neuroimagerie « il faut des personnes expertes , notamment pour la détecter dans les premiers stades de la maladie. démence parce que l'atrophie est très subtile, donc à l'œil humain - si ce n'est pas un technologue qui a 10 ans de formation en démence ou un gériatre ou un neurologue spécialisé - cela peut être manqué.
Atteindre le diagnostic est essentiel car, bien que les démences soient des maladies encore incurables , leur détection précoce "permet aux traitements d'essayer d'améliorer la partie saine du patient, de préparer la famille et de générer toutes les conditions pour prolonger la vie utile du patient. patient, mais en Amérique latine, il y a ce problème fondamental : il est sous-diagnostiqué ».
La nouveauté du système de l'équipe de scientifiques dirigée par Ibáñez et Moguilner - qui est encore au stade expérimental - est qu'il tente de corriger le problème qui signifie que "toutes les mesures de neuroimagerie qui nous permettent de caractériser la démence proviennent des États-Unis États-Unis et d' Europe qui sont très différents, des résonateurs, qui sont de bien meilleure qualité parce qu'ils sont moins bruyants — ils ont une technologie beaucoup plus avancée —, aux diagnostics. En d'autres termes, si je compare le processus de diagnostic qui se fait à l' Université de Californie, ce qui signifie environ 30 heures pendant lesquelles ils font tout pour le patient, de l'analyse génétique aux tests cliniques, tout ce qui peut être fait là-bas, et en Argentine .. ou dans d'autres pays d'Amérique latine, qui sont quelques heures et rien de plus, alors on voit qu'il y a une inégalité abyssale », commente-t-il.
D'autre part, les méthodes de calcul qui permettent d'automatiser ces processus pour identifier l'atrophie cérébrale "sont également basées sur des images de patients du Nord global et, quand on veut appliquer ces méthodes automatiques au Sud global, elles ne fonctionnent pas bien, ils ne prédisent pas bien, ils classent mal » et cela faisait partie de la motivation pour le travail, dit-il.
Selon ses auteurs, ce nouveau développement, dans un avenir pas trop lointain, pourrait permettre d'améliorer la classification des sous-types de démence avec des données de neuroimagerie avec de multiples variantes régionales et démographiques . Le système, disent-ils, traite les données visuelles sans nécessiter d'intervention humaine , ce qui peut fournir de meilleurs résultats aux patients du monde entier. « La recherche doit refléter la diversité des cultures et des conditions . La capacité de classer avec précision les sous-types de démence dans divers contextes régionaux et démographiques et les types de données de neuroimagerie a des implications pour la recherche future et la pratique clinique à l'échelle mondiale », déclare Ibáñez.
Comment fonctionne le système de diagnostic de la démence AI
"Ce que nous avons essentiellement fait, c'est utiliser l'intelligence artificielle en utilisant la vision par ordinateur . Ce qui est fait, c'est que les ordinateurs lisent pixel par pixel ces images cérébrales sans aucun type de traitement d'image. L'image brute qui sort du résonateur est donnée à un réseau de neurones artificiels, qui est ce système d'intelligence artificielle, qui apprend des schémas », explique-t-il.
Et pour illustrer comment la machine est "formée", il souligne qu'on lui apprend à déchiffrer chaque maladie. Les spécialistes saisissent des données et « on leur dit 'celui-ci a une démence de 6 mois, celui-ci a une démence frontotemporale, ce sont des sujets sains' et on leur dit 'apprenez à distinguer l'un de l'autre'. Ces réseaux de neurones recherchent donc pixel par pixel et trouvent les éléments d'information qui leur permettent de différencier [chaque maladie et les personnes en bonne santé]. Ensuite, nous lui disons : « 'Maintenant, nous vous donnons tout ce tas d'autres images, mais nous n'allons pas vous dire quel diagnostic ils ont, vous devez nous dire le diagnostic.' Et ainsi on mesure à quel point le réseau de neurones a appris à prédire et à pouvoir automatiser la "connaissance pour le diagnostic".
« Les résultats que nous avons eus ont été exceptionnels . Nous avons beaucoup de précision dans la prédiction "de l'ordre de 98%, assure-t-il, c'est-à-dire que "c'est extrêmement élevé pour distinguer les trois groupes de patients atteints de démence frontotemporale", compte tenu de ce qui différencie un patient d'une personne saine" est plus facile" que de le faire avec "deux sujets malades qui ont un type différent de maladie neurodégénérative et face à ce défi, la précision du diagnostic est tout aussi élevée".
L'ordinateur a pu identifier « les zones initiales de ces pathologies . Nous sommes très contents de ce travail car l'avantage qu'il a est de pouvoir réduire les inégalités » et permettre de poser un diagnostic de maladie neurodégénérative au Pérou ou à Salta (Argentine).
La démence est un problème de santé mondial affectant des millions de personnes dans le monde, et le diagnostic de la maladie a été difficile en raison d' hétérogénéités démographiques et régionales spécifiques, d'analyses de moindre qualité et de méthodes d'analyse non harmonisées. « Notre étude », souligne-t-il, « a le potentiel de changer cela. Nous avons utilisé un classificateur de vision par ordinateur entièrement automatique et des réseaux neuronaux d'apprentissage en profondeur sur des données brutes d'IRM brutes de 3 000 participants , y compris des personnes atteintes de la maladie d'Alzheimer (MA), de la démence frontotemporale à variante comportementale (bvFTD) et des témoins sains.
L'IA visuelle a également identifié des zones cérébrales critiques affectées par la MA et la bvFTD à l'aide d'une technique appelée sensibilité à l'occlusion . « En termes simples — ajoute Ibáñez — cette technique aide à comprendre quelles parties d'une image sont importantes pour l'IA. En couvrant ou en "occultant" différentes parties de l'image et en examinant comment les performances du modèle changent, nous pouvons identifier les zones les plus pertinentes pour le processus de prise de décision de l'IA. Notre analyse a révélé que l' hippocampe, crucial pour la mémoire, est principalement affecté dans la MA, tandis que l' insula , impliquée dans les émotions et le comportement social, est principalement affectée dans la bvFTD . Ceci explique que la technique a la spécificité biologique et fournit une manière plausible et automatisée de comprendre comment ces maladies affectent le cerveau.
Plans de l'équipe scientifique
Enfin, le scientifique argentin a révélé les prochains objectifs avec le nouveau système qu'il a l'équipe de travail dont il fait partie. "Nous voulons créer une plate-forme où toute personne provenant de milieux cliniques divers et sous-représentés, de régions où les biomarqueurs coûteux ne sont pas disponibles" a accès à un diagnostic précoce. "À l'avenir, cette approche pourrait être testée en tant que cadre d'aide à la décision clinique dans le but de fournir des évaluations de la démence abordables et personnalisées."
De plus, "à l'avenir, nous allons ajouter des informations génétiques, c'est-à-dire que d'ici quelques années, nous aurons le génome complet de ces patients que nous étudions, donc on peut ajouter au classificateur non seulement des informations cérébrales, mais des informations génétiques et encore des informations environnementales, par exemple quelle est la quantité de pollution dans la ville où vit le patient, quel est le niveau socio-économique du patient, quels sont ses liens sociaux. Nous montrons par exemple que dans ce travail nous ajoutons l'éducation et certaines variables qui améliorent un peu le diagnostic, pas beaucoup, mais elles ont un poids ».
Continuer à lire