Intitulé « Application de modèles de machine learning et de deep learning à la classification de troubles psychiatriques », ce projet ambitionne de découvrir des biomarqueurs dans le cerveau. L’usage de mesures quantitatives obtenues par IRM permet ici de trouver de signatures cérébrales. De manière schématique, cela revient à faciliter la découverte dans la configuration cérébrale, la présence d’une anomalie et d’un trouble.
Pour cela, il a fallu pouvoir utiliser des ressources de données considérables à travers le monde, notamment des données issues de l’imagerie médicale et plus particulièrement celles d’imagerie anatomique. Ainsi, les sillons du cerveau ou l’épaisseur du ruban cortical figurent par exemple parmi les éléments analysés.
Cette approche « big data » a conduit à prendre en compte des données sur des dizaines de milliers de sujets. L'élaboration et l'utilisation des modèles à partir de l'imagerie du cerveau pourrait permettre d’envisager à terme des développements considérables, en particulier l'identification de biomarqueurs neuroanatomiques relatifs à l'autisme mais également aux troubles bipolaires ou aux schizophrénies.
Les modèles ont été entraînés à identifier la présence ou non d’une « anomalie », afin de savoir si les gens étaient « malades » ou non. Ça donne déjà un premier élément de réponse : arrivons-nous à trouver des motifs anormaux dans le cerveau ?
Signatures corticales dans des sous-groupes de patients autistes à partir de modèles IA. AnxDep: groupe avec haut niveau d'anxiété et de dépression; Attn: groupe avec tendances TDAH; Emo: groupe avec une forte dysrégulation émotionnelle
L’une des difficultés propres à l’analyse du spectre autistique réside dans la très importante hétérogénéité de la population qui en est porteuse et dès lors dans la difficulté de trouver des biomarqueurs robustes et reproductibles.
Les ressources du supercalculateur Jean Zay ont ici été mobilisées en raison sa capacité à entraîner des modèles à large échelle grâce aux GPU disponibles. Les données mobilisées étant en 3D.
Pour l’avenir, cela ira plus loin. En effet, la reconceptualisation des dimensions cliniques en psychiatrie, notamment quant à la classification médicale, fait partie des éléments pris en compte dans les recherches en cours. Et ce, afin notamment de dégager des dimensions cliniques pour caractériser certains profils. Autrement dit, la prise en compte de dimensions psychopathologiques pourrait conduire à mieux affiner et décrire les troubles ou les pathologies, parmi lesquelles figure l’autisme.
Pour en savoir plus :
https://hal.science/hal-04631924v1/document
Les chercheurs :
Edouard Duchesnay, Directeur de recherche dans le laboratoire GAIA, Professeur en Machine Learning à l'Université Paris-Saclay
Benoit Dufumier, Chercheur dans le laboratoire GAIA
Sara Petiton, doctorante dans le laboratoire GAIA
*NeuroSpin :dirigé par Stanislas Dehaene, professeur au Collège de France, NeuroSpin est un centre de neuroimagerie cérébrale par résonance magnétique nucléaire (IRM) en champ intense et un département de l'Institut des sciences du vivant Frédéric Joliot du Centre d'études CEA Paris-Saclay. C’est une grande infrastructure de recherche visant à innover dans le domaine de l'imagerie cérébrale.