L'accumulation de protéine tau anormale en enchevêtrements neurofibrillaires est caractéristique de la maladie d'Alzheimer et plus largement des « tauopathies ». Récemment, de puissantes approches basées sur l'apprentissage automatique (une branche de l’intelligence artificielle : IA) ont émergé, permettant la reconnaissance et la quantification des changements pathologiques à partir d'images numériques. Cette équipe de l’École de médecine Mount Sinaï (New York) a mis au point une plate-forme d'intelligence artificielle pour détecter toute une gamme de maladies neurodégénératives dans des échantillons de tissus cérébraux humains, notamment la maladie d'Alzheimer et l'encéphalopathie traumatique chronique. Un modèle, documenté dans la revue Laboratory Investigation (LI), qui va contribuer à l’identification de biomarqueurs et au développement de thérapeutiques ciblées, permettant d’obtenir de meilleurs résultats pour les patients.
Les différentes tauopathies présentent, en effet, des phénotypes morphologiques divers qui se chevauchent ce qui rend complexe leur classification et leur évaluation. L'accumulation de protéines tau anormales dans le cerveau en enchevêtrements neurofibrillaires est une caractéristique de la maladie d'Alzheimer, mais également d'autres maladies neurodégénératives, telles que l'encéphalopathie traumatique chronique et d'autres affections liées à l'âge. Le diagnostic précis des maladies neurodégénératives est difficile et nécessite un spécialiste hautement qualifié.
En appliquant de puissantes méthodes d’apprentissage automatique -via une plateforme adaptée, « Precise Informatics », à des lames microscopiques numérisées préparées à partir d’échantillons de tissus de patients présentant tout un spectre de maladies neurodégénératives, ces chercheurs du Centre de pathologie informatique et systémique, créent un modèle capable d'identifier les enchevêtrements neurofibrillaires directement à partir d'images numérisées et avec un degré élevé de précision. « L'utilisation de l'intelligence artificielle permet d’améliorer considérablement notre capacité à détecter et à quantifier les maladies neurodégénératives, ce qui représente une avancée majeure par rapport aux approches existantes », explique l’auteur principal, le Dr John Crary, professeur de pathologie et de neuroscience à l’Icahn School of Medicine : « ce projet va permettre un diagnostic plus efficace et plus précis des maladies neurodégénératives ».
Il s'agit du premier modèle d’apprentissage automatique permettant d’évaluer des données d'images à grande échelle en neuropathologie. Une aubaine pour le Centre du Mount Sinaï, qui traite plus de 80 millions de tests par an. Le système va permettre ainsi de constituer une très large base de données pouvant être utilisées pour améliorer les tests et les diagnostics.
Source : Laboratory Investigation (LI) 15 February 2019 Artificial intelligence in neuropathology: deep learning-based assessment of tauopathy
Plus sur les Maladies Neurodégénératives sur Neuro Blog
