Prédire l'âge du cerveau grâce à un modèle informatique

Un ordinateur entraîné à analyser les imageries cérébrales

Selon une nouvelle étude publiée dans la revue en libre accès eLife, les scientifiques ont entraîné un ordinateur à analyser différents types de scanners cérébraux et prédire l'âge du cerveau humain. D'après leurs conclusions, ce modèle pourrait être utilisé cliniquement pour combiner différents types de tests des fonctions cérébrales afin de prédire d'autres résultats pour les patients, comme le déclin cognitif ou la dépression.

Les tests non invasifs des fonctions cérébrales, tels que la magnétoencéphalographie (MEG), l'imagerie par résonance magnétique (IRM) et la tomographie par émission de positrons (TEP), jouent un rôle crucial dans les neurosciences cliniques. Dans la mesure où ces tests mesurent tous différents aspects des fonctions cérébrales, aucun d'entre eux n'est vraiment optimal à lui seul. Entraîner les ordinateurs à analyser les données de différents tests et à prédire un résultat clinique permettrait d'obtenir une image plus complète des fonctions cérébrales.

« Les modèles informatiques qui ont été entraînés pour prédire l'âge d'une personne à partir de données cérébrales de populations saines ont fourni des informations cliniques utiles », explique l'auteur principal, Denis Engemann, chercheur au sein de l'équipe Parietal chez Inria, l’Institut national français de recherche en sciences et technologies du numérique.
 

Combiner informations anatomiques et rythmes cérébraux

Dans cette étude, les scientifiques ont cherché à voir s’ils pouvaient développer un modèle qui combine les informations anatomiques fournies par les IRM avec les informations sur les rythmes cérébraux qui sont puissamment captées par les MEG. Ils voulaient surtout voir si le modèle pouvait encore fonctionner malgré l'absence de certaines données.

Ils ont entraîné leur modèle informatique avec un sous-ensemble de données issues de la base de données Cam-CAN, qui contient des données de MEG, d’IRM et neuropsychologiques de 650 personnes en bonne santé âgées de 17 à 90 ans. Ils ont ensuite comparé différentes versions du modèle avec l'IRM anatomique standard, et des modèles qui contenaient des informations supplémentaires provenant d’IRM fonctionnelles (IRMf) et de MEG. Ils ont constaté qu'il était possible de prédire plus précisément l'âge du cerveau en ajoutant les MEG ou les IRMf à l'IRM standard. Lorsque les deux ont été ajoutés, le modèle était d’autant plus concluant.

Ensuite, ils ont examiné un marqueur de l'âge du cerveau (appelé delta de l'âge du cerveau) et ont étudié son lien avec différentes fonctions cérébrales mesurées par les MEG et les IRMf. Cela a confirmé que les MEG et les IRMf fournissaient chacune des informations uniques sur les fonctions cérébrales, renforçant ainsi la pertinence du modèle global.

Un modèle précis même en cas de données manquantes

Lorsqu'ils ont comparé leur modèle à la base de données complète de Cam-CAN, regroupant 650 personnes, dont certaines ne disposaient pas de données d'IRM, d'IRMf et de MEG, ils ont constaté que, même avec les données manquantes, le modèle informatique exploitant ce qui était disponible était toujours plus précis que l'IRM seule. Cela est d’autant plus important que dans les services neurologiques des hôpitaux, il n'est pas toujours possible d'obtenir des rendez-vous pour tous les types de scanners.

Les scientifiques ont également constaté que la mesure des fonctions cérébrales la plus importante que les tests MEG fournissent au modèle peut également être mesurée avec précision par électroencéphalographie (EEG), sachant que les hôpitaux utilisent davantage l'EEG que la MEG. Cela signifie qu'en clinique, l'EEG pourrait éventuellement se substituer à la MEG sans que cela ait un impact sur la capacité prédictive du modèle.