Accélérer le diagnostic de la maladie de Parkinson grâce à l’intelligence artificielle

Des experts de l’Accelerated Capability Environment (ACE) et de AI Skunkworks du NHS ont développé un outil d’IA pour accélérer le diagnostic de la maladie de Parkinson.

Le diagnostic actuel de la maladie de Parkinson est un processus long qui limite le nombre de cas que les spécialistes peuvent traiter. Cela peut exposer les patients au risque de recevoir leur diagnostic trop tard, ce qui signifie que leur la maladie progresse avant que le traitement puisse être administré.

Actuellement, les changements cérébraux ne peuvent être évalués que manuellement, ce qui prend entre quatre et six heures. De plus, pour mieux comprendre les causes pathologiques et développer de nouveaux traitements potentiels, un classement manuel des tissus cérébraux est nécessaire après la mort, ce qui prend également beaucoup de temps.

Aujourd’hui, les chercheurs ont collaboré pour développer un outil de diagnostic de la maladie de Parkinson alimenté par l’IA qui promet d’accélérer considérablement ce processus afin d’améliorer les soins et le traitement de cette maladie.

Les cas de maladie de Parkinson augmentent

La maladie de Parkinson est le trouble neurologique le plus important et celui qui connaît la croissance la plus rapide au monde, avec plus de 10 millions de diagnostics dans le monde.

Ce chiffre devrait augmenter considérablement, le nombre de patients atteints de la maladie de Parkinson devant doubler au cours des 50 prochaines années.

Le vieillissement est le principal facteur de risque de cette maladie neurodégénérative, et des traitements et un diagnostic avancés seront essentiels pour la combattre.

Faire progresser le diagnostic de la maladie de Parkinson grâce à l’intelligence artificielle

Pour leur étude, ACE et AI Skunkworks ont collaboré avec Parkinson’s UK, la plus grande association caritative au monde.

Au cours du projet de 12 semaines, le chercheur a utilisé la banque de cerveaux de l’Imperial College de Londres, qui compte plus de 1 300 cerveaux provenant de patients atteints de la maladie de Parkinson et de donneurs sains.

L’organisme de bienfaisance a également fourni un ensemble de données contenant 401 images numérisées de coupes de cerveau immunocolorées pour détecter l’alpha-synucléine (a-syn), la protéine qui est un marqueur pathologique de la maladie. Cela comprenait également 100 cas témoins provenant de donateurs de soins de santé.

Ensuite, les Polygeists de la communauté Vivace d’ACE ont réutilisé la technologie existante pour exclure différents types de matière cérébrale qui ne sont pas impliquées dans ce processus. Ils ont ensuite coloré synthétiquement des lames de tissus cérébraux à l’aide du réseau neuronal iDeepColour, qui met en évidence les zones du cerveau affectées par l’a-syn.

Ces images sont traitées et les zones d’intérêt deviennent vert vif, ce qui les rend facilement identifiables. Les images pourraient également être découpées en carrés, ce qui signifie que les zones vertes pourraient révéler la densité de la maladie.

Cela a permis à Polygeist de créer un classificateur de validation de principe capable d’assurer une précision de diagnostic de la maladie de Parkinson de 92 % sans fausses alarmes.

Le nouveau processus d’IA a pu évaluer un cerveau en quelques minutes seulement, réduisant ainsi considérablement les délais de diagnostic. Cela permet aux neurologues de se concentrer sur des cas plus complexes.

Prochaines étapes de développement

L’outil d’IA est presque prêt à être utilisé dans des applications du monde réel. L’équipe travaille maintenant à optimiser le processus pour différencier les stades de la maladie et déterminer si d’autres protéines peuvent être identifiées. À l’avenir, il sera peut-être également possible d’utiliser cette technique avec des scintigraphies cérébrales sur des patients vivants.