Aujourd'hui, la maladie d'Alzheimer est l'une des maladies les plus insidieuses, sa survenue est très difficile (et coûteuse) à prévoir. Bien qu'une maladie déjà développée ne puisse pas être arrêtée, il est prouvé que la détection précoce aide à ralentir ou à arrêter la maladie d'Alzheimer et la dégradation du cerveau. Par conséquent, la recherche d'un moyen fiable de déterminer le risque de développer une maladie occupe l'esprit des chercheurs.
À mesure que le corps humain vieillit, les troubles cognitifs sont inévitables. Avec l'âge, les gens deviennent plus oublieux, perdent souvent le fil de leurs pensées et éprouvent des difficultés à prendre des décisions ou à exécuter des tâches qui, auparavant, ne causaient pas de difficultés. Les médecins appellent cela une légère déficience cognitive. Cela affecte la plupart des gens lorsqu'ils vieillissent.
De nombreuses personnes atteintes de troubles cognitifs légers développent une forme plus grave - la maladie d'Alzheimer. Une personne perd son vocabulaire, utilise souvent des remplacements de mots incorrects, cesse de reconnaître ses proches, perd ses compétences de base en matière de soins personnels et devient finalement complètement dépendante des autres personnes qui l'aident. La plupart des personnes atteintes de ce diagnostic décèdent quelques années après la découverte de la maladie d'Alzheimer.
Fait intéressant, ce scénario n'attend pas toutes les personnes atteintes de troubles cognitifs légers. Au fil du temps, l'état du patient peut ne pas empirer et même s'améliorer dans certains cas. Par conséquent, les médecins veulent trouver des moyens d'identifier ceux qui sont plus susceptibles de développer la maladie d'Alzheimer.
Des scientifiques sud-coréens ont proposé d'utiliser l'apprentissage en profondeur à cette fin. La technologie qu'ils ont développée peut identifier les personnes qui pourraient souffrir de la maladie d'Alzheimer au cours des trois prochaines années.
Un réseau neuronal profond apprend à reconnaître des traces uniques de la maladie dans des images de
tomographie par émission de positons du cerveau (TEP). La maladie d'Alzheimer est connue pour être caractérisée par une croissance indésirable de morceaux de protéines appelés plaques amyloïdes et un métabolisme cérébral lent, qui est mesuré par la vitesse à laquelle le cerveau utilise le glucose.
Certains types de TEP peuvent détecter des signes de ces deux conditions et peuvent donc être utilisés pour détecter des troubles cognitifs légers chez les personnes qui conduiront finalement au développement de la maladie d'Alzheimer.
En théorie, cela semble très encourageant, mais en pratique, il est assez difficile d'interpréter les images résultantes. Les chercheurs ont découvert un ou deux marqueurs brillants que des personnes spécialement formées peuvent trouver, mais cette méthode prend du temps et n'est pas à l'abri des erreurs. Par conséquent, les scientifiques coréens ont décidé de remplacer les gens par un réseau neuronal profond.
Ces dernières années, les chercheurs d'Alzheimer du monde entier ont créé une base de données d'images cérébrales de patients atteints ou non d'Alzheimer. Et des collègues sud-coréens ont utilisé cet ensemble de données pour former un réseau neuronal convolutif afin de reconnaître la différence entre eux.
(A) - L'architecture du réseau neuronal convolutionnel est appliquée à deux images TEP réalisées à l'aide de l'analogue biologique du glucose - le
fluorodésoxyglucose et le
florbetapira - substances administrées à un patient pour diagnostiquer la maladie d'Alzheimer. Chaque fonction de couche peut être extraite à l'aide de la fonction de convolution et d'activation tridimensionnelle (ReLU). Les convolutions multicouches donnent une sortie unidimensionnelle, et la dernière couche a deux nœuds qui correspondent à la maladie d'Alzheimer (AD) et à l'état cérébral normal (NC).
(B) - Le réseau neuronal profond a été formé selon les données TEP de patients sains et malades. Les chercheurs ont utilisé une contre-vérification décuplée. Après l'entraînement, l'IA a été directement utilisée pour classer les troubles cognitifs légers (MCI) ou ceux qui transforment ou ne transforment pas la maladie. Les chercheurs ont évalué l'exactitude du pronostic pour les patients atteints d'un trouble pouvant entraîner une maladie. En outre, les scientifiques ont également effectué une analyse des performances du récepteur (ROC).
L'ensemble de données était composé d'images cérébrales de 182 personnes âgées de 70 ans avec un cerveau sain et de 139 images cérébrales de personnes à peu près du même âge qui avaient reçu un diagnostic d'Alzheimer. En conséquence, l'IA a pu reconnaître la différence entre un cerveau sain et malade avec une précision de 90%.
De plus, les chercheurs ont utilisé leur machine pour analyser un autre ensemble de données, qui comprenait des scanners cérébraux de 181 personnes âgées de 70 ans souffrant de troubles cognitifs légers, dont 79 ont souffert de la maladie d'Alzheimer pendant trois ans. La tâche assignée aux scientifiques consistait à identifier les personnes les plus susceptibles de s'aggraver.
Selon les résultats de l'expérience, l'IA a identifié ceux qui risquent de développer la maladie d'Alzheimer avec une précision de 81%. Ce résultat est nettement supérieur à celui donné par les médecins qui analysent visuellement les images.
Plus généralement, la technique des scientifiques coréens n'est qu'un exemple de l'utilisation croissante de l'apprentissage en profondeur et de la vision artificielle dans le diagnostic médical. Les données disponibles indiquent que les machines peuvent déterminer les conditions difficiles plus tôt et plus précisément que les humains.
doi:
arXiv: 1704.06033