Quel âge a votre cerveau, vraiment ? L’analyse alimentée par l’IA reflète avec précision le risque de déclin cognitif

Le cerveau humain contient de nombreux indices sur la santé à long terme d’une personne – en fait, la recherche montre que l’âge du cerveau d’une personne est un prédicteur plus utile et plus précis des risques pour la santé et des maladies futures que sa date de naissance.

Maintenant, un nouveau intelligence artificielle (AI) qui analyse les scintigraphies cérébrales d’imagerie par résonance magnétique (IRM) développées par des chercheurs de l’USC pourrait être utilisé pour capturer avec précision le déclin cognitif lié aux maladies neurodégénératives comme la maladie d’Alzheimer beaucoup plus tôt que les méthodes précédentes.

Le vieillissement cérébral est considéré comme un biomarqueur fiable du risque de maladie neurodégénérative. Ce risque augmente lorsque le cerveau d’une personne présente des caractéristiques qui semblent « plus anciennes » que prévu pour une personne de son âge.

En exploitant la capacité d’apprentissage en profondeur du nouveau modèle d’IA de l’équipe pour analyser les scans, les chercheurs peuvent détecter des marqueurs subtils de l’anatomie cérébrale qui sont autrement très difficiles à détecter et qui sont en corrélation avec le déclin cognitif. Leurs conclusions, publiées mardi 2 janvier dans la revue Actes de l’Académie nationale des sciencesoffrent un aperçu sans précédent de la cognition humaine.

« Notre étude exploite la puissance de l’apprentissage en profondeur pour identifier les zones du cerveau qui vieillissent d’une manière qui reflète un déclin cognitif pouvant conduire à la maladie d’Alzheimer », a déclaré Andreï Irimiaprofesseur adjoint de gérontologie, de génie biomédical, de biologie quantitative et computationnelle et de neurosciences à l’USC Leonard Davis School of Gerontology et auteur correspondant de l’étude.

«Les gens vieillissent à des rythmes différents, tout comme les types de tissus dans le corps. Nous le savons familièrement lorsque nous disons : « Un tel a quarante ans, mais en a l’air trente. La même idée s’applique au cerveau. Le cerveau d’un homme de quarante ans peut paraître aussi « jeune » que celui d’un trentenaire, ou aussi « vieux » que celui d’un homme de soixante ans.

Une alternative plus précise aux méthodes existantes

Irimia et son équipe ont rassemblé les IRM cérébrales de 4 681 participants cognitivement normaux, dont certains ont développé un déclin cognitif ou la maladie d’Alzheimer plus tard dans la vie.

À l’aide de ces données, ils ont créé un modèle d’IA appelé réseau de neurones pour prédire l’âge des participants à partir de leurs IRM cérébrales. Tout d’abord, les chercheurs ont formé le réseau pour produire des cartes cérébrales anatomiques détaillées qui révèlent des schémas de vieillissement spécifiques à un sujet.

Ils ont ensuite comparé les âges cérébraux perçus (biologiques) avec les âges réels (chronologiques) des participants à l’étude. Plus la différence entre les deux est grande, plus les scores cognitifs des participants sont mauvais, ce qui reflète le risque d’Alzheimer

Les résultats montrent que le modèle de l’équipe peut prédire l’âge réel (chronologique) des participants cognitivement normaux avec une erreur absolue moyenne de 2,3 ans, ce qui est environ un an plus précis qu’un modèle primé existant pour l’estimation de l’âge du cerveau qui a utilisé un différentes architectures de réseaux de neurones.

« L’IA interprétable peut devenir un outil puissant pour évaluer le risque de maladie d’Alzheimer et d’autres maladies neurocognitives », a déclaré Irimia, qui occupe également des postes de professeur à l’USC Viterbi School of Engineering et à l’USC Dornsife College of Letters, Arts and Sciences.

« Plus tôt nous pourrons identifier les personnes à haut risque de maladie d’Alzheimer, plus tôt les cliniciens pourront intervenir avec les options de traitement, la surveillance et la gestion de la maladie. Ce qui rend l’IA particulièrement puissante, c’est sa capacité à détecter des caractéristiques subtiles et complexes du vieillissement que d’autres méthodes ne peuvent pas et qui sont essentielles pour identifier le risque d’une personne plusieurs années avant qu’elle ne développe la maladie.

Le cerveau vieillit différemment selon le sexe

Le nouveau modèle révèle également des différences spécifiques au sexe dans la façon dont le vieillissement varie selon les régions du cerveau. Certaines parties du cerveau vieillissent plus vite chez les hommes que chez les femmes, et vice versa.

Les hommes, qui présentent un risque plus élevé de déficience motrice due à la maladie de Parkinson, connaissent un vieillissement plus rapide dans le cortex moteur du cerveau, une zone responsable de la fonction motrice. Les résultats montrent également que, chez les femmes, le vieillissement typique peut être relativement plus lent dans l’hémisphère droit du cerveau.

Un domaine d’étude émergent prometteur pour la médecine personnalisée

Les applications de ces travaux vont bien au-delà de l’évaluation des risques de maladies. Irimia envisage un monde dans lequel les nouvelles méthodes d’apprentissage en profondeur développées dans le cadre de l’étude sont utilisées pour aider les gens à comprendre à quelle vitesse ils vieillissent en général.

« L’une des applications les plus importantes de notre travail est son potentiel à ouvrir la voie à des interventions sur mesure qui répondent aux schémas de vieillissement uniques de chaque individu », a déclaré Irimia.

«Beaucoup de gens seraient intéressés à connaître leur véritable rythme de vieillissement. Les informations pourraient nous donner des indices sur les différents changements de style de vie ou les interventions qu’une personne pourrait adopter pour améliorer sa santé et son bien-être en général. Nos méthodes pourraient être utilisées pour concevoir des plans de traitement centrés sur le patient et des cartes personnalisées du vieillissement cérébral susceptibles d’intéresser les personnes ayant des besoins et des objectifs de santé différents.

À propos de l’étude

Les auteurs de l’étude incluent Phoebe Imms, Anar Amgalan, Nahian F. Chowdhury, Roy J. Massett et Nikhil N. Chaudhari de l’USC Leonard Davis School of Gerontology; et Chenzhong Yin, Mingxi Cheng, Xinghe Chen, Paul M. Thompson et Paul Bogdan de l’USC Viterbi School of Engineering ; et ses collègues de l’Alzheimer’s Disease Neuroimaging Initiative.