Intégration de la mesure des sous-champs de l’hippocampe dans un logiciel de volumétrie d’IRM à l’aide de l’apprentissage profond

Résumé


La démence secondaire à la maladie d’Alzheimer (MA) est un problème de santé majeur pour lequel il n’existe toujours aucun traitement curatif. Les causes sont complexes et multifactorielles. Il est maintenant connu que les changements cérébraux incluant les signes précoces de la neurodégénérescence (ex. atrophie structurale à l’IRM) sont présents plusieurs années avant l’apparition des symptômes initiaux. L’hippocampe et les régions proximales (région temporale médiale) est atteint de façon préférentielle par la maladie. Il a été démontré qu’une mesure automatisée du volume de l’hippocampe à l’IRM permet d’identifier avec une bonne précision les patients souffrant de MA, et de prédire la conversion vers la démence chez les patients avec des symptômes minimaux. L’hippocampe est une petite structure complexe sous-divisée en plusieurs régions (CA1 à CA4, gyrus denté, subiculum). Des travaux de recherche ont démontré que l’analyse de ces sous-régions pourrait augmenter la précision des prédictions diagnostiques. La mesure de ces sous-régions est complexe car les structures sont petites et sensibles aux artefacts de mouvements. L’équipe du Dr. Chakravarty a développé un des meilleurs logiciels d’analyse des sous-champs de l’hippocampe en recherche. Ce projet vise à utiliser l’apprentissage profond pour rationaliser et intégrer les techniques d’analyses des sous-champs de l’hippocampe dans le logiciel d’analyse de l’IRM de la compagnie Arctic Fox AI afin de pouvoir commercialiser ce type de mesures. Notre objectif est de démontrer l’amélioration des prédictions diagnostiques de la MA avec la mesure des sous-champs de l’hippocampe. Cet outil serait aussi utile dans d’autres maladies neurologiques comme l’épilepsie.

Partenaires