Les chercheurs ont développé une méthode innovante pour prédire la démence avec une précision de plus de 80 %, jusqu'à neuf ans avant le diagnostic. En utilisant l’IRM fonctionnelle pour analyser le réseau en mode par défaut du cerveau, l’équipe a pu identifier les premiers signes de démence en comparant les modèles de connectivité cérébrale avec les données génétiques et de santé des volontaires britanniques de la biobanque. Cette méthode améliore non seulement la détection précoce, mais aide également à comprendre l'interaction entre les facteurs génétiques, l'isolement social et la maladie d'Alzheimer.
Des chercheurs de l’Université Queen Mary ont créé une méthode permettant de prédire la démence avec une grande précision des années avant le diagnostic en analysant la connectivité du réseau cérébral à l’aide d’IRMf.
Des chercheurs de l'Université Queen Mary de Londres ont créé une nouvelle technique qui prédit la démence à plus de 80 % précision jusqu'à neuf ans avant le diagnostic. Cette méthode surpasse les approches traditionnelles telles que les tests de mémoire et les mesures du rétrécissement du cerveau, deux méthodes couramment utilisées pour diagnostiquer la démence.
L'équipe, dirigée par le professeur Charles Marshall, a développé le test prédictif en analysant l'IRM fonctionnelle (IRMf) analyse pour détecter les changements dans le « réseau en mode par défaut » (DMN) du cerveau. Le DMN connecte des régions du cerveau pour remplir des fonctions cognitives spécifiques et est le premier réseau neuronal à être affecté par Alzheimer maladie.
Les chercheurs ont utilisé des analyses IRMf de plus de 1 100 volontaires de UK Biobank, une base de données biomédicale à grande échelle et une ressource de recherche contenant des informations génétiques et sanitaires provenant d'un demi-million de participants britanniques, pour estimer la connectivité effective entre dix régions du cerveau qui constituent le mode par défaut. réseau.
Précision prédictive et méthodologie
Les chercheurs ont attribué à chaque patient une valeur de probabilité de démence en fonction de la mesure dans laquelle leur modèle de connectivité efficace se conforme à un modèle indiquant une démence ou à un modèle de type contrôle.
Ils ont comparé ces prédictions aux données médicales de chaque patient, enregistrées auprès de la UK Biobank. Les résultats ont montré que le modèle avait prédit avec précision l’apparition de la démence jusqu’à neuf ans avant qu’un diagnostic officiel ne soit posé, et avec une précision supérieure à 80 %. Dans les cas où les volontaires avaient développé une démence, il a également été constaté que le modèle pouvait prédire avec une marge d'erreur de deux ans exactement combien de temps il faudrait pour que ce diagnostic soit posé.
Les chercheurs ont également examiné si les modifications du DMN pourraient être causées par des facteurs de risque connus de démence. Leur analyse a montré que le risque génétique de maladie d'Alzheimer était fortement associé aux changements de connectivité dans le DMN, confortant l'idée que ces changements sont spécifiques à la maladie d'Alzheimer. Ils ont également constaté que l’isolement social était susceptible d’augmenter le risque de démence grâce à son effet sur la connectivité dans le DMN.
Impact potentiel de la recherche
Charles Marshall, professeur et neurologue consultant honoraire, a dirigé l'équipe de recherche du Centre de neurologie préventive de l'Institut Wolfson de la santé des populations Queen Mary. Il a déclaré : « Prédire qui souffrira de démence à l’avenir sera vital pour développer des traitements capables de prévenir la perte irréversible de cellules cérébrales qui provoque les symptômes de la démence. Bien que nous puissions mieux détecter les protéines cérébrales qui peuvent causer la maladie d'Alzheimer, de nombreuses personnes vivent pendant des décennies avec ces protéines dans leur cerveau sans développer de symptômes de démence. Nous espérons que la mesure de la fonction cérébrale que nous avons développée nous permettra d’être beaucoup plus précis quant à savoir si une personne va réellement développer une démence et dans quel délai, afin que nous puissions identifier si elle pourrait bénéficier de futurs traitements.
Samuel Ereira, auteur principal et docteur du programme académique de base au Centre de neurologie préventive de l'Institut Wolfson de la santé des populations, a déclaré : « En utilisant ces techniques d'analyse avec de grands ensembles de données, nous pouvons identifier les personnes présentant un risque élevé de démence et également savoir quels facteurs de risque environnementaux ont poussé ces personnes dans une zone à haut risque. Il existe un énorme potentiel pour appliquer ces méthodes à différents réseaux et populations cérébrales, afin de nous aider à mieux comprendre les interactions entre l'environnement, la neurobiologie et la maladie, à la fois dans la démence et éventuellement dans d'autres maladies neurodégénératives. L'IRMf est un outil d'imagerie médicale non invasif et il faut environ 6 minutes pour collecter les données nécessaires sur un scanner IRM. Elle pourrait donc être intégrée aux voies de diagnostic existantes, en particulier là où l'IRM est déjà utilisée.
Hojjat Azadbakht, PDG d'AINOSTICS (une société d'IA collaborant avec des équipes de recherche de renommée mondiale pour développer des approches d'imagerie cérébrale pour le diagnostic précoce des troubles neurologiques) a déclaré : « L'approche développée a le potentiel de combler une énorme lacune clinique en fournissant un biomarqueur invasif de la démence. Dans l'étude publiée par l'équipe de QMUL, ils ont pu identifier les individus qui développeraient plus tard la maladie d'Alzheimer jusqu'à 9 ans avant de recevoir un diagnostic clinique. C’est au cours de cette phase présymptomatique que les traitements de fond émergents sont susceptibles d’offrir le plus de bénéfices aux patients.
