Inicio / UGRDivulga

Des scientifiques développent une méthode basée sur l’intelligence artificielle afin de diagnostiquer l’Alzheimer ou le Parkinson

Versión en español: sl.ugr.es/inteligencia_ES 

Versión en inglés: sl.ugr.es/inteligencia_EN  

Des chercheurs des universités de Grenade et de Malaga dessinent une technique dont l’objectif est de modeler des abstractions à haut niveau en données afin d’obtenir que les ordinateurs apprennent à différencier le cerveau d’une personne saine de celui d’une personne malade en extrayant automatiquement les régions à intérêt qui se trouvent affectées

L’Alzheimer, qui actuellement affecte plus de 40 millions de personnes, est la maladie neurodégénérative la plus commune chez les gens âgés. Le diagnostic précoce s’avère crucial aussi bien pour traiter la maladie que pour aider au développement de nouveaux médicaments, vu que jusqu’à cette date il n’a pas été possible de lui trouver un remède. Le développement de l’Alzheimer s’est avéré très lié à des changements aussi bien structurels -en rapport avec la substance grise, chargée du traitement de l’information- que fonctionnels -de la substance blanche, qui connecte les différentes régions du cerveau moyennant des fibres- dans le réseau de connectivité cérébrale, vu qu’une perte significative de fibres est à l’origine de troubles fonctionnels comme la perte de mémoire. Cependant, la diagnose représente toujours un défi malgré les avancées scientifiques réalisées et, à cette date, on n’est pas arrivé à déterminer comment l’activité cérébrale fonctionnelle détériore la structurelle et vice-versa, ce qui est un élément clé pour mieux comprendre le développement de ce genre de maladies.

À ce sujet, les diagnostics assistés par ordinateur (DAO) supposent un instrument important pour le diagnostic car il aide les médecins à interpréter les contenus multimédia obtenus par des épreuves chez les patients, ce qui permet que l’application du traitement puisse être plus simple et effective. Parmi ces procédés se trouvent les images médicales, qui fournissent de l’information «in vivo» à haute résolution sur les matières d’étude et permettent d’utiliser l’information en rapport avec la maladie contenue sur l’image. Le groupe de travail BioSip de l’Université de Malaga, avec la collaboration des chercheurs de l’Université de Grenade, étudie depuis des années les signaux et les images biomédicales.

Les chercheurs Andrés Ortiz, Jorge Munilla, Juan Górriz et Javier Ramírez (des universités de Malaga et de Grenade) ont publié récemment l’article Ensembles of deep learning architectures for the early diagnosis of the Alzheimer disease dans la prestigieuse revue International Journal of Neural Systems. Cette étude présente une méthode pour le diagnostic de l’Alzheimer moyennant la fusion d’images fonctionnelles et structurelles basé sur l’utilisation de la technique d’apprentissage profond, également connue comme Deep Learning.

Cette technique de l’intelligence artificielle (IA) a pour but de modeler des abstractions à haut niveau en données afin d’arriver à ce que les ordinateurs apprennent à différencier le cerveau d’une personne saine de celui d’une personne malade en extrayant automatiquement les régions à intérêt qui se trouvent affectées. Tel que l’expliquent les chercheurs, «l’étude utilise des techniques d’apprentissage profond pour calculer des prédicteurs sur des images de fonctionnalité cérébrale et de résonnance magnétique afin de prévenir la maladie d’Alzheimer. Pour ce faire, nous avons utilisé des réseaux neuronaux différents afin de modeler chaque région du cerveau pour les combiner postérieurement».

L’étude explore la construction de méthodes de classification basées sur les architectures de Deep Learning appliquées à des régions cérébrales définies moyennant l’Automated Anatomical Labeling (AAL), un atlas digital du cerveau humain. Pour cela, on a divisé les images de la matière grise de chaque aire du cerveau en accord avec les régions séparées par l’AAL, dans différents secteurs qui ont été utilisés pour entraîner des réseaux neuronaux de Deep Learning spécialisés dans les différentes régions du cerveau. La connaissance acquise par ces réseaux se combine postérieurement moyennant différentes techniques de fusion qui se présentent dans ce travail.

Architecture de classification

Le résultat de ce travail est une puissante architecture de classification qui combine l’apprentissage supervisé et non supervisé afin d’extraire de façon automatique les caractéristiques les plus éminentes d’un ensemble d’images. La méthode proposée a été évaluée en utilisant une énorme base de données provenant de l’Alzheimer’s Disease Neuroimaging Initiative (ADNI).

Les résultats de ce travail, qui a inclus de plus des patients présentant d’autres déficiences cognitives qui peuvent être à l’origine d’Alzheimer dans un délai de deux ans, montrent la potentialité des techniques d’IA pour révéler les patrons associés à la maladie. Les taux de précision obtenus par le diagnostic permettent d’avancer grandement dans la connaissance du processus neurodégénératif impliqué dans le développement de la maladie, outre de servir de point de départ pour le développement de traitements médicaux plus effectifs.

D’autre part, les techniques développées peuvent servir ou être un point de départ pour l’amélioration de la précision dans le diagnostic d’autres démences comme la maladie de Parkinson.

De plus, les méthodes développées sont actuellement utilisées pour l’amélioration du diagnostic et la recherche de l’origine biologique de difficultés d’apprentissage comme la dyslexie, dans un projet financé par le Ministère de l’Économie et de la Compétitivité.

Référence bibliographique:

Andrés Ortiz, Jorge Munilla, Juan M. Górriz & Javier Ramírez. «Ensembles of deep learning architectures for the early diagnosis of alzheimer’s disease». International Journal of Neural Systems. Volume 26, Issue 07. Disponible en ligne: http://dx.doi.org/10.1142/S0129065716500258

Contact: 

Juan Manuel Górriz Sáez.

Département de Théorie du Signal, Télématique et Communications de l’UGR.

Tél.: (+34) 958 243 271

Courriel: gorriz@ugr.es

Javier Ramírez Pérez de Inestrosa.

Département de Théorie du Signal, Télématique et Communications de l’UGR.

Tél.: (+34) 958 241 285 et (+34) 958 240 842

Courriel: javierrp@ugr.es