262. NEUROSCIENCES & PSYCHOLOGIE
Des différences cérébrales dans le TDAH sont révèles par l’Intelligence Artificielle
Résumé : Les chercheurs utilisant l'intelligence artificielle (IA) pour analyser les IRM cérébrales ont identifié des différences significatives dans les voies de substance blanche des adolescents atteints de TDAH.
L’étude, impliquant plus de 1 700 participants de l’étude multi-institutionnelle sur le développement cognitif du cerveau des adolescents, a utilisé l’imagerie pondérée en diffusion (DWI) et un modèle d’IA d’apprentissage profond pour détecter ces variations.
Des valeurs élevées d'anisotropie fractionnaire (FA) ont été trouvées dans neuf voies de substance blanche chez des personnes atteintes de TDAH, fournissant des biomarqueurs objectifs pour le diagnostic. Cette approche offre une nouvelle manière quantitative de diagnostiquer le TDAH, en abordant le recours actuel aux enquêtes subjectives auto-déclarées.
Faits marquants:
1. L’étude a identifié des différences significatives dans les voies cérébrales de la substance blanche chez les adolescents atteints de TDAH en utilisant l’analyse par IA d’IRM spécialisées.
2. Des valeurs élevées de FA dans neuf zones spécifiques de la substance blanche ont été observées chez des personnes atteintes de TDAH.
3. Cette recherche marque une étape importante vers le développement de méthodes de diagnostic objectives basées sur l’imagerie pour le TDAH.
Source : RSNA
En utilisant l’intelligence artificielle (IA) pour analyser des IRM cérébrales spécialisées d’adolescents avec et sans trouble de déficit de l’attention/hyperactivité (TDAH), les chercheurs ont découvert des différences significatives dans neuf voies cérébrales de la substance blanche chez les personnes atteintes de TDAH. Les résultats de l'étude seront présentés aujourd'hui lors de la réunion annuelle de la Radiological Society of North America (RSNA).
Le TDAH est un trouble courant souvent diagnostiqué dans l'enfance et qui persiste jusqu'à l'âge adulte, selon les Centers for Disease Control and Prevention. Aux États-Unis, on estime que 5,7 millions d’enfants et d’adolescents âgés de 6 à 17 ans ont reçu un diagnostic de TDAH.
"Le TDAH se manifeste souvent à un âge précoce et peut avoir un impact considérable sur la qualité de vie et la capacité de fonctionner dans la société", a déclaré Justin Huynh, MS, co-auteur de l'étude et spécialiste de recherche au département de neuroradiologie de l'Université de Californie. , San Francisco, et étudiant en médecine au Carle Illinois College of Medicine à Urbana-Champaign.
"Cela devient également de plus en plus répandu dans la société parmi les jeunes d'aujourd'hui, avec l'afflux de smartphones et autres appareils de distraction facilement accessibles."
Les enfants atteints de TDAH peuvent avoir du mal à prêter attention, à contrôler leurs comportements impulsifs ou à réguler leurs activités. Un diagnostic et une intervention précoces sont essentiels à la gestion de la maladie.
"Le TDAH est extrêmement difficile à diagnostiquer et repose sur des enquêtes subjectives auto-déclarées", a déclaré Huynh. « Il existe certainement un besoin non satisfait de mesures plus objectives pour le diagnostic. C'est le vide que nous essayons de combler.
Huynh a déclaré qu'il s'agissait de la première étude à appliquer l'apprentissage profond, un type d'IA, pour identifier les marqueurs du TDAH dans l'étude multi-institutionnelle sur le développement cognitif du cerveau des adolescents (ABCD), qui comprend l'imagerie cérébrale, des enquêtes cliniques et d'autres données sur plus de 11 000 adolescents. provenant de 21 sites de recherche aux États-Unis. Les données d'imagerie cérébrale comprenaient un type spécialisé d'IRM appelé imagerie pondérée en diffusion (DWI).
"Les études de recherche antérieures utilisant l'IA pour détecter le TDAH n'ont pas abouti en raison de la petite taille de l'échantillon et de la complexité du trouble", a déclaré Huynh.
L'équipe de recherche a sélectionné un groupe de 1 704 personnes à partir de l'ensemble de données ABCD, comprenant des adolescents avec et sans TDAH. À l’aide d’analyses DWI, les chercheurs ont extrait des mesures d’anisotropie fractionnaire (FA) le long de 30 principales voies de substance blanche du cerveau. L'AF est une mesure de la façon dont les molécules d'eau se déplacent le long des fibres des voies de substance blanche.
Les valeurs FA de 1 371 individus ont été utilisées comme données d’entrée pour former un modèle d’IA d’apprentissage profond, qui a ensuite été testé sur 333 patients, dont 193 diagnostiqués avec un TDAH et 140 sans TDAH. Les diagnostics de TDAH ont été déterminés par l'évaluation Brief Problem Monitor, un outil d'évaluation utilisé pour surveiller le fonctionnement d'un enfant et ses réponses aux interventions.
Avec l’aide de l’IA, les chercheurs ont découvert que chez les patients atteints de TDAH, les valeurs d’AF étaient significativement élevées dans neuf voies de la substance blanche.
"Ces différences dans les signatures IRM chez les personnes atteintes de TDAH n'ont jamais été observées auparavant à ce niveau de détail", a déclaré Huynh. « En général, les anomalies observées dans les neuf voies de la substance blanche coïncident avec les symptômes du TDAH. »
Les chercheurs ont l’intention de continuer à obtenir des données du reste des individus de l’ensemble de données ABCD, en comparant les performances de modèles d’IA supplémentaires.
"Beaucoup de gens pensent qu'ils souffrent de TDAH, mais celui-ci n'est pas diagnostiqué en raison de la nature subjective des tests de diagnostic disponibles", a déclaré Huynh.
"Cette méthode constitue une étape prometteuse vers la recherche de biomarqueurs d'imagerie pouvant être utilisés pour diagnostiquer le TDAH dans un cadre de diagnostic quantitatif et objectif", a déclaré Huynh.
Les co-auteurs sont Pierre F. Nedelec, MS, MTM, Samuel Lashof-Regas, Michael Romano, MD, Ph.D., Leo P. Sugrue, MD, Ph.D., et Andreas M. Rauschecker, MD, Ph. D.
À propos de cette actualité de recherche sur le TDAH et l’intelligence artificielle
Auteur : Linda Brooks
Source : RSNA
Contact : Linda Brooks – RSNA
Image : L'image est créditée à Neuroscience News
Recherche originale : Les résultats seront présentés à la 109e assemblée scientifique et réunion annuelle de la Radiological Society of North America
Janvier 2024