Quel futur après un accident vasculaire cérébral : l’intelligence artificielle au service des patients

Résultats scientifiques Neuroscience, cognition

« Comment serai-je dans un an ? Vais-je récupérer ? » sont naturellement les questions posées par les patients victimes d'un accident vasculaire cérébral (AVC). Basée sur les données issues de près de 2 000 patients, cette étude parue dans Brain propose un nouvel algorithme d'intelligence artificielle et une application web qui prédisent les retombées neuropsychologiques attendues sur les patients un an après leur accident.

L'accident vasculaire cérébral (AVC) touche une personne sur six à un moment de sa vie. Bien que souvent peu médiatisés, les accidents vasculaires cérébraux sont la deuxième cause de décès dans le monde et la cause la plus fréquente de handicap neurologique chez l'adulte. Malgré les progrès considérables réalisés au cours des dernières décennies chez les patients victimes d'un AVC, bon nombre de ces personnes continueront à présenter des déficits moteurs et cognitifs persistants qui ont un impact sur leur qualité de vie, leur capacité à communiquer et à socialiser, et leur aptitude à reprendre le travail. En fait, on estime que moins de 30 % des patients réintègrent le marché du travail et qu'ils sont encore moins nombreux à retrouver la profession qu'ils exerçaient avant l'AVC. La prise en charge des patients pourrait être optimisée si des outils plus adaptés et personnalisés étaient disponibles pour prédire les résultats au-delà des mesures cliniques standard telles que l'âge, l'éducation et le niveau initial de déficience qui sont utilisées aujourd'hui. Ces connaissances réduiraient le fardeau et le stress associés à une attaque cérébrale tout en permettant aux patients de prendre les dispositions appropriées avec leurs familles, leurs prestataires d'assurance maladie et leurs employeurs. En outre, elle est essentielle pour les médecins et les cliniciens car elle permettrait de stratifier les patients afin de déterminer quel traitement est administré à qui et à quelle dose.

Nous présentons ici un nouveau cadre prédictif, le disconnectome symptoms discoverer pour prédire les scores neuropsychologiques un an après l'AVC basé sur les données d’imagerie cérébrale et de neuropsychologie recueillies sur près de 2000 patients.  Cette avancée scientifique n’a été possible que grâce à la prise en compte de l’organisation du cerveau en circuits, négligée dans les efforts d’analyse de prédiction précédente. En reliant cet espace aux résultats neuropsychologiques, nous obtenons des informations biologiques qui sont disponibles sous la forme du premier atlas complet des relations entre les lésions des circuits cérébraux et le déficit sur 86 scores - un atlas neuropsychologique de la substance blanche. Notre nouveau cadre prédictif,  a obtenu de meilleures performances de prédiction que six autres modèles, dont la déconnexion fonctionnelle, la topologie des lésions et la modélisation du volume. La prédiction hors échantillon dérivée de cet atlas a présenté une erreur absolue moyenne inférieure à 20 % et a permis des prédictions neuropsychologiques personnalisées. Ces prédictions ont également été validées sur une cohorte externe pour la fluidité sémantique. En outre, l'entraînement du modèle et sa validation ont également été reproduits sur deux cohortes externes.

Ce cadre est disponible sous la forme d'une application web interactive afin de fournir les bases d'une nouvelle approche pratique de la modélisation de la cognition dans l'AVC. L’atlas et l’application Web contribueront à réduire le fardeau des déficits cognitifs pour les patients, leurs familles et la société en général, tout en aidant à adapter les futurs programmes de traitement personnalisé et à découvrir de nouvelles cibles thérapeutiques. La gamme d'évaluations neuropsychologiques et le pouvoir prédictif de ce nouveau modèle s’enrichiront davantage dans le futur en s'appuyant sur l'implication des patients et des soignants, ainsi que sur la science participative.

figure
@Lia Talozzi

Figure : atlas de la matière blanche neuropsychologique. La projection axiale de l'étiquetage des scores neuropsychologiques correspond aux associations de matière blanche les plus fortes. Veuillez consulter le site https://neurovault.org/collections/11260/ pour visualiser les cartes individuelles de la substance blanche neuropsychologique.

Pour en savoir plus :
Latent disconnectome prediction of long-term cognitive-behavioural symptoms in stroke
Lia Talozzi, Stephanie J Forkel, Valentina Pacella, Victor Nozais, Etienne Allart, Céline Piscicelli, Dominic Pérennou, Daniel Tranel, Aaron Boes, Maurizio Corbetta, Parashkev Nachev, Michel Thiebaut de Schotten.
Brain, 
16 March 2023. DOI : https://doi.org/10.1093/brain/awad013

Contact

Michel Thiebaut de Schotten
Directeur de recherche CNRS

Laboratoire

Institut des maladies neurodégénératives - IMN (CNRS / Université de Bordeaux)
Groupe d'imagerie neurofonctionnelle (GIN)

Brain connectivity and behaviour laboratory (BCBLab)

Bâtiment Neurocampus, Université de Bordeaux
146 Rue Léo Saignat
33000 Bordeaux