L'évaluation du diagnostic et du pronostic des patients atteints de la maladie d'Alzheimer ou de la maladie de Parkinson avec troubles cognitifs à l'aide de l'IRM de diffusion

Actuellement, la maladie d'Alzheimer (MA) et la maladie de Parkinson (MP) sont diagnostiquées principalement par des neurologues, sur la base de symptômes cliniques. Cependant, il n'y a pas de critères objectifs disponibles pour leur diagnostic. Bien que l'imagerie par résonance magnétique (IRM) soit souvent utilisée en conjonction avec le jugement clinique, les images sont principalement utilisées pour éliminer d'autres maladies, plutôt que pour confirmer le diagnostic. D'autres méthodes d'imagerie, telles que la tomographie par émission de position ou la tomodensitométrie, peuvent aider au diagnostic de la MA et de la MP, mais ont des effets nocifs sur le corps humain.

L'IRM de diffusion, et en particulier l'imagerie du tenseur de diffusion, sont souvent utilisées dans l'évaluation des changements de connectivité dans le système nerveux central. Comme elle est non invasive et n'implique pas de rayonnement, l'IRM de diffusion convient aux études longitudinales. Il a été utilisé pour l'évaluation de la densité et de la section transversale des fibres dans de nombreuses maladies, notamment l'épilepsie, la sclérose en plaques et les tumeurs cérébrales, avec de bons résultats. Plusieurs mesures peuvent être obtenues à partir de l'IRM de diffusion, y compris l'anisotropie fractionnaire et la diffusivité moyenne, radiale et axiale. Les changements observés dans l'IRM de diffusion sont liés aux changements de la teneur en eau à l'intérieur et à l'extérieur des cellules, de sorte qu'une augmentation du coefficient de diffusion pourrait refléter une augmentation de la perméabilité de la membrane cellulaire, qui peut être attribuée à la mort et à la rupture cellulaires. Un coefficient de diffusion plus élevé peut indiquer une mort neuronale plus importante. Par conséquent, en utilisant l'aplatissement de diffusion, l'investigateur peut être en mesure d'améliorer les diagnostics de MP.

À partir de recherches sur la maladie d'Alzheimer, l'investigateur a découvert que le coefficient de diffusion des patients atteints de troubles cognitifs légers et de la maladie d'Alzheimer est significativement plus élevé que celui des patients témoins. L'investigateur effectuera des analyses sur 90 régions du cerveau, dont le gyrus fusiforme, l'hippocampe, le parahippocampe et le cingulum. Il a été observé que les régions répertoriées présentaient des différences de diffusivité moyenne pour les patients atteints de MA et ceux à risque de MA, par rapport aux témoins normaux. Dans des études précédentes, des chevauchements ont été observés entre les zones où la diffusivité moyenne augmente et les zones où les régions du cerveau se rétrécissent, mais il y a plus de régions et de plus grandes zones où le coefficient de diffusion augmente. Par conséquent, la diffusivité moyenne peut être un indice clinique plus approprié que la méthode actuelle de volume cérébral. De plus, il existe une corrélation entre l'augmentation de la diffusivité moyenne et la sévérité des troubles cognitifs légers ou AD. Le dépôt d'amyloïde est cohérent avec la progression de la maladie, ce qui confirme en outre que la diffusivité moyenne peut être utilisée pour refléter la progression des troubles cognitifs légers et de la maladie d'Alzheimer.

L'investigateur prévoit d'utiliser Compressed Sensing pour augmenter la vitesse de diffusion de l'IRM. Cela comprend le prétraitement des images, l'acquisition d'observations de détection compressée, la reconstruction du modèle et la reconstruction de l'algorithme. L'enquêteur prévoit également de surmonter les limites actuelles de l'analyse de la région d'intérêt. Une façon d'y parvenir est l'analyse voxel, mais elle présente des limites causées par la normalisation de l'image dans un espace de modèle et des problèmes possibles de tractographie causés par la rotation ou la distorsion de l'image. De plus, l'utilisation d'un modèle spécifique à l'étude empêche les résultats d'être disponibles en coordonnées Brodmann ou Talairach. Plus important encore, l'analyse des voxels n'est pas basée sur les régions du cerveau, il est donc difficile de déterminer les propriétés de chaque région, et selon notre algorithme, une grande quantité de données de voxels réduirait considérablement la résolution des statistiques et causerait des problèmes d'analyse statistique. . Par conséquent, l'investigateur doit utiliser un espace standard commun et développer une technique d'imagerie appropriée.

Le chercheur choisit d'utiliser l'étiquetage anatomique automatique (AAL), car il s'agit d'un système couramment utilisé dans la recherche en neurosciences. Le chercheur utilise également le modèle 152 de l'Institut des neurosciences de Montréal (MNI152) comme modèle standard. Dans l'imagerie et le traitement de l'ensemble du cerveau, l'investigateur utilise la transformation affine, car elle est couramment utilisée pour l'IRM et l'IRM de diffusion. Cela inclut Camino, FSL et SPM. Le chercheur étudiera comment le vieillissement d'un cerveau sain modifie l'IRM de diffusion et fera des comparaisons entre le vieillissement chez les hommes et les femmes.

Le chercheur utilisera également Deep Learning pour augmenter la sensibilité et la spécificité et pour améliorer la précision de la classification et du diagnostic, par le prétraitement des données d'allocation d'échantillons d'ensembles de données et la conception de réseaux neuronaux profonds.

À l'aide de l'AAL, une parcellisation du cerveau entier sera effectuée pour obtenir des informations d'IRM de diffusion sur les régions du cerveau. Les régions touchées seront identifiées et analysées. L'investigateur espère que l'IRM de diffusion utilisant des régions cérébrales entières pourra être utilisée pour le diagnostic différentiel et pour identifier les régions qui ont une forte corrélation avec la gravité clinique, et pour un diagnostic et un pronostic précis de la maladie, afin de servir de référence aux cliniciens.

L'investigateur vise à utiliser l'IRM de diffusion pour évaluer la fonction cognitive et évaluer si elle se détériore chez les patients atteints de maladies neurodégénératives. De plus, l'investigateur espère utiliser l'IRM de diffusion pour déterminer la gravité de la maladie et le pronostic. L'aggravation de la neurodégénérescence et des capacités cognitives entraîne une augmentation de la mortalité et une moins bonne qualité de vie. La relation entre les résultats de l'IRM de diffusion et la gravité de la maladie peut fournir une méthode objective permettant aux cliniciens de diagnostiquer ces maladies avec une plus grande confiance et plus tôt dans l'apparition de la maladie, avant l'aggravation des symptômes.

L'étude sera réalisée en trois phases, sur trois ans. Au cours de la première année, le chercheur espère établir un schéma de détection de compression d'imagerie de haute qualité optimal et un processus de restauration des données d'image pour l'IRM de diffusion. Le chercheur espère également développer une méthode optimale de parcellisation cérébrale et utiliser l'apprentissage en profondeur pour améliorer le diagnostic des patients atteints de troubles cognitifs légers.

Au cours de la deuxième année, l'investigateur espère établir un processus de prédiction du pronostic des patients atteints de MP typique et atypique, en utilisant l'apprentissage en profondeur. L'investigateur espère également compléter notre évaluation de l'utilisation de l'apprentissage en profondeur pour le diagnostic de troubles cognitifs légers.

Au cours de la troisième année, l'investigateur vise à achever le développement d'une méthode de prédiction du pronostic des patients atteints de MP typique et atypique. Le chercheur établira et complétera également notre méthode d'utilisation de l'apprentissage en profondeur pour évaluer si les patients présentant un développement cognitif léger développeront la MA. De plus, l'investigateur complétera l'interface utilisateur pour le traitement d'images.