Marqueurs de progression des maladies neurodégénératives (MARKERS-NDD) (MARKERS-NDD)

Compte tenu des estimations actuelles et du fardeau social et économique mondial des maladies neurodégénératives, il est urgent de modifier la manière et le calendrier de diagnostic de ces maladies, ainsi que la rapidité avec laquelle des interventions thérapeutiques efficaces sont mises en œuvre. La complexité des mécanismes moléculaires sous-jacents à la dégénérescence neuronale et l’hétérogénéité de la population de patients touchés par des maladies neurodégénératives présentent d’énormes défis pour le développement d’outils et de systèmes de diagnostic précoces capables de prédire l’évolution de la maladie.

Malgré des recherches intensives dans les domaines de la pharmacologie, de la chirurgie et de la réadaptation, les maladies neurodégénératives restent des maladies chroniques évolutives sans thérapie capable d’en changer le cours.

MARKERS-NDD est une étude prospective, observationnelle et longitudinale, qui vise à collecter des données auprès de patients atteints de maladies neurodégénératives (NDD) suivis longitudinalement pour des examens de routine effectués dans le cadre de la pratique clinique normale. Les données collectées à partir d'évaluations cliniques, d'analyses de mouvement, d'imagerie cérébrale, d'évaluations neuropsychologiques et électroencéphalographiques, de tests de chimie sanguine seront analysées pour réaliser des investigations statistiques et des analyses prédictives, également en utilisant des systèmes d'intelligence artificielle, qui permettent l'identification de nouveaux marqueurs précoces de diagnostic et de pronostic. des maladies neurodégénératives.

L'analyse quantitative du mouvement, à l'aide de systèmes de capture de mouvement standard (analyse de la démarche) et de capteurs inertiels portables, est un outil valable à la fois pour soutenir le diagnostic clinique, pour évaluer la réponse au traitement pharmacologique et pour surveiller la progression des NDD. De ce point de vue, l'analyse cinématique de la démarche et du geste graphique peut révéler des altérations précoces des caractéristiques motrices pour soutenir le diagnostic différentiel et la stratification du patient et nous permettre de suivre la progression de la maladie dans le temps.

Bien que les symptômes moteurs représentent des aspects clés pour le diagnostic différentiel entre le syndrome parkinsonien et la démence, des altérations des fonctions cognitives, et en particulier des fonctions exécutives, peuvent également être présentes aux premiers stades de la maladie chez les patients atteints de synucléinopathies telles que la MP et la démence à corps de Lewy.

Dans la maladie de Parkinson (MP), ces troubles cognitifs peuvent évoluer au fil du temps vers un léger déclin cognitif (Mild cognitive déficience, PD-MCI) jusqu'à la démence (Parkinson Disease Dementia, PDD).

L'identification de marqueurs neuropsychologiques capables de prédire l'évolution de ces maladies et le risque de conversion chez les patients atteints de MP est un aspect crucial pour le traitement et la prise en charge des patients dans les différentes phases de la maladie.

À l'ère de l'intelligence artificielle (IA), avec l'introduction de la vision par ordinateur basée sur l'IA, le mouvement humain peut être suivi et analysé en temps réel à l'aide d'une simple caméra d'appareils mobiles, tels que les tablettes et les smartphones, éliminant ainsi potentiellement la nécessité de capteurs supplémentaires ou d'équipements spécialisés. Par conséquent, une approche telle que la télémédecine utilisant l’IA pourrait offrir de nouvelles possibilités et de nouveaux défis pour le diagnostic à distance, la télésurveillance et la télérééducation des troubles neurologiques tels que les maladies neurodégénératives. L'analyse du mouvement basée sur la vision par ordinateur basée sur l'IA pourrait réduire le nombre de mouvements des patients, en particulier aux stades avancés de la maladie, souvent caractérisés par un handicap grave, alléger le fardeau des soignants parfois âgés ou engagés dans des activités professionnelles, et permettre des consultations. à réaliser dans des zones reculées et difficilement accessibles.

La comparaison et la validation de ces systèmes avec la référence en matière d'analyse du mouvement représentée par l'analyse de la marche avec captures de mouvements et les systèmes d'analyse déjà validés avec capteurs inertiels, constituent un élément clé dans le développement d'outils cliniques qui soutiennent le diagnostic à distance et la télésurveillance des thérapies. traitements pharmacologiques et de rééducation.

De même, l'application de systèmes d'intelligence artificielle pour l'analyse cinématique du geste graphique a permis le développement de divers systèmes de reconnaissance de formes pour la reconnaissance automatique de l'écriture manuscrite dans différents domaines d'application.

Les caractéristiques dysgraphiques étaient liées à des anomalies des fonctions motrices et cognitives révélées par des tests cliniques et neuropsychologiques, ainsi qu'à des corrélats neurophysiologiques de l'activité corticale liée à l'écriture manuscrite, tels que l'électroencéphalogramme (EEG).

Système d'analyse de l'écriture manuscrite qui utilise des systèmes d'IA et implique l'exécution de tests neuropsychologiques validés, à l'aide de tablettes graphiques commerciales, effectués dans le cadre de la pratique clinique normale - comme une simple visite ambulatoire ou lors d'un examen neuropsychologique structurel dans le cadre d'un l'approche multidisciplinaire désormais courante qui caractérise la prise en charge des patients atteints de NDD - pourrait être particulièrement utile dans le PD-MCI pour suivre la progression des symptômes moteurs et cognitifs. En tant que mesure rentable et non invasive des performances motrices et cognitives, les systèmes d’analyse graphique des gestes pourraient être appliqués de manière répétée au fil du temps sans effets de série ou de méta-apprentissage.

Un autre aspect clé du diagnostic précoce des NDD est représenté par l'analyse de la voix : la production de la voix humaine se produit à travers des mouvements complexes et synergiques de systèmes et sous-systèmes (cordes vocales, larynx, glotte, cavité buccale, etc.), qui peuvent être influencés. par l'état de santé de l'orateur. En particulier, parmi les maladies neurodégénératives, la MP et le parkinsonisme impliquent des changements spectaculaires, objectifs et mesurables dans la production vocale, qui peuvent inclure (entre autres) une augmentation des niveaux de bruit (due à une fermeture incomplète des cordes vocales) et une perte de voix (dysarthrophonie, dysarthrie et hypophonie). Bien que l'évaluation des troubles de la parole puisse effectivement être réalisée via un laryngoscope et des instruments vidéo-stroboscopes, il s'agit de tests très coûteux, nécessitant beaucoup de temps et de personnel qualifié. Les systèmes d'intelligence artificielle basés sur la voix qui utilisent des systèmes commerciaux (appareils mobiles équipés de microphones robustes au son) pourraient permettre l'analyse de la voix avec des algorithmes d'intelligence artificielle, pour diagnostiquer la maladie à ses débuts.

Une analyse à long terme des paramètres chimiques sanguins courants en laboratoire et l'analyse de différents échantillons biologiques, tels que des échantillons fécaux pour l'analyse du microbiote, effectuées dans le cadre de contrôles de routine par des patients atteints de maladies chroniques telles que les MDN, pourraient permettre l'identification d'associations et de marqueurs précoces utiles dans le diagnostic et suivi de l'évolution de la maladie.

Parallèlement, l’introduction de systèmes d’imagerie cérébrale de plus en plus puissants et précis, soutenus par des systèmes d’apprentissage automatique et des techniques d’intelligence artificielle, pour obtenir un diagnostic étiologique de plus en plus précis.

Il est important de noter que chaque maladie neurodégénérative favorise un réseau cérébral spécifique qui, à son tour, est associé à une perte spécifique de tissu dans des régions cérébrales particulières. D’où la possibilité d’identifier de nouveaux marqueurs de neuroimagerie grâce à des systèmes d’apprentissage automatique pour guider le diagnostic différentiel et évaluer avec précision l’évolution de la maladie.

En conclusion, l'approche adoptée par l'étude MARKERS-NDD est fondamentale pour augmenter le potentiel de succès d'une stratégie ambitieuse visant à développer des marqueurs de progression des maladies neurodégénératives qui accélèrent la recherche de thérapies de fond.