Résumé: Les chercheurs ont développé un outil d’apprentissage automatique qui identifie avec précision les personnes présentant un risque élevé de psychose grâce à des IRM cérébrales. Cette approche innovante, qui a atteint un taux de précision de 85 % en formation et de 73 % en utilisant de nouvelles données, offre une voie prometteuse pour une intervention précoce dans la psychose, améliorant potentiellement les résultats du traitement.
L’étude a impliqué plus de 2 000 participants provenant de 21 sites mondiaux, soulignant le potentiel de l’outil dans divers contextes cliniques. En détectant les différences structurelles du cerveau avant l’apparition de la psychose, cet outil marque une avancée significative dans les soins psychiatriques, visant de meilleures stratégies de prédiction et de prévention.
Faits marquants:
Source: Université de Tokyo
L’apparition de la psychose peut être prédite avant qu’elle ne se produise, à l’aide d’un outil d’apprentissage automatique qui peut classer les examens IRM du cerveau entre les personnes en bonne santé et celles à risque d’épisode psychotique.
Un consortium international comprenant des chercheurs de l’Université de Tokyo a utilisé le classificateur pour comparer les analyses de plus de 2 000 personnes provenant de 21 sites mondiaux. Environ la moitié des participants avaient été identifiés comme présentant un risque clinique élevé de développer une psychose.
Grâce aux données de formation, le classificateur était précis à 85 % pour faire la différence entre les personnes qui n’étaient pas à risque et celles qui ont ensuite présenté des symptômes psychotiques manifestes.
En utilisant de nouvelles données, il était précis à 73 %. Cet outil pourrait être utile dans de futurs contextes cliniques, car même si la plupart des personnes souffrant de psychose se rétablissent complètement, une intervention plus précoce conduit généralement à de meilleurs résultats avec moins d’impact négatif sur la vie des personnes.
N’importe qui peut vivre un épisode psychotique, qui implique généralement des délires, des hallucinations ou une pensée désorganisée. Il n’y a pas de cause unique, mais elle peut être déclenchée par une maladie ou une blessure, un traumatisme, la consommation de drogues ou d’alcool, des médicaments ou une prédisposition génétique.
Même si elle peut être effrayante ou troublante, la psychose peut être soignée et la plupart des gens s’en remettent. Comme l’âge le plus courant d’un premier épisode se situe à l’adolescence ou au début de l’âge adulte, lorsque le cerveau et le corps subissent de nombreux changements, il peut être difficile d’identifier les jeunes qui ont besoin d’aide.
“Au plus, seulement 30 % des individus cliniques à haut risque présentent plus tard des symptômes psychotiques manifestes, tandis que les 70 % restants n’en présentent pas”, a expliqué le professeur agrégé Shinsuke Koike de la Graduate School of Arts and Sciences de l’Université de Tokyo.
« Par conséquent, les cliniciens ont besoin d’aide pour identifier ceux qui continueront à présenter des symptômes psychotiques en utilisant non seulement des signes subcliniques, tels que des changements dans la pensée, le comportement et les émotions, mais également certains marqueurs biologiques. »
Le consortium de chercheurs a travaillé ensemble pour créer un outil d’apprentissage automatique qui utilise des IRM cérébrales pour identifier les personnes à risque de psychose avant qu’elle ne commence. Des études antérieures utilisant l’IRM cérébrale ont suggéré que des différences structurelles se produisaient dans le cerveau après le début de la psychose.
Cependant, c’est la première fois que des différences dans le cerveau de personnes présentant un risque très élevé mais n’ayant pas encore souffert de psychose sont identifiées.
L’équipe de 21 institutions différentes dans 15 pays différents a rassemblé un groupe large et diversifié d’adolescents et de jeunes adultes.
Selon Koike, la recherche par IRM sur les troubles psychotiques peut être difficile car les variations dans le développement du cerveau et dans les appareils d’IRM rendent difficile l’obtention de résultats très précis et comparables. De plus, chez les jeunes, il peut être difficile de faire la différence entre les changements qui surviennent en raison du développement typique et ceux qui sont dus à la maladie mentale.
“Différents modèles d’IRM ont différents paramètres qui influencent également les résultats”, a expliqué Koike.
« Tout comme avec les appareils photo, divers instruments et spécifications de prise de vue créent différentes images de la même scène, en l’occurrence le cerveau du participant. Cependant, nous avons pu corriger ces différences et créer un classificateur bien adapté pour prédire l’apparition de la psychose.
Les participants ont été divisés en trois groupes de personnes présentant un risque clinique élevé : celles qui ont développé plus tard une psychose ; ceux qui n’ont pas développé de psychose ; et les personnes dont le statut de suivi est incertain (1 165 personnes au total pour les trois groupes) et un quatrième groupe de témoins sains à des fins de comparaison (1 029 personnes). À l’aide des analyses, les chercheurs ont formé un algorithme d’apprentissage automatique pour identifier des modèles dans l’anatomie cérébrale des participants.
À partir de ces quatre groupes, les chercheurs ont utilisé l’algorithme pour classer les participants en deux groupes d’intérêt principaux : les témoins sains et ceux à haut risque qui ont ensuite développé des symptômes psychotiques manifestes.
Lors de la formation, l’outil était précis à 85 % pour classer les résultats, tandis que lors du test final utilisant de nouvelles données, il était précis à 73 % pour prédire quels participants présentaient un risque élevé d’apparition d’une psychose.
Sur la base des résultats, l’équipe considère que la fourniture d’IRM cérébrales aux personnes identifiées comme présentant un risque cliniquement élevé pourrait être utile pour prédire l’apparition future d’une psychose.
« Nous devons encore tester si le classificateur fonctionnera bien pour de nouveaux ensembles de données. Étant donné que certains des logiciels que nous avons utilisés conviennent le mieux à un ensemble de données fixes, nous devons créer un classificateur capable de classer de manière robuste les IRM de nouveaux sites et machines, un défi qu’un projet national de science du cerveau au Japon, appelé Brain/MINDS Beyond, relève. je prends maintenant le relais », a déclaré Koike.
« Si nous y parvenons, nous pourrons créer des classificateurs plus robustes pour de nouveaux ensembles de données, qui pourront ensuite être appliqués à des contextes cliniques réels et de routine. »
Financement: Cette recherche a été financée en partie par AMED (Grant Number JP18dm0307001, JP18dm0307004 et JP19dm0207069), JST Moonshot R&D (JPMJMS2021), JSPS KAKENHI (JP23H03877 et JP21H02851), Takeda Science Foundation et SENSHIN Medical Research Foundation. Cette étude a également été soutenue par le Centre international de recherche sur la neurointelligence (WPI-IRCN), de l’Université de Tokyo.
À propos de cette actualité de la recherche sur la psychose
Auteur: Joseph Krisher
Source: Université de Tokyo
Contact: Joseph Krisher – Université de Tokyo
Image: L’image est créditée à Neuroscience News
Recherche originale : Accès libre.
“Utilisation de mesures de neuroimagerie structurelle cérébrale pour prédire l’apparition de la psychose chez les personnes présentant un risque clinique élevé» de Shinsuke Koike et al. Psychiatrie Moléculaire
Abstrait
Utilisation de mesures de neuroimagerie structurelle cérébrale pour prédire l’apparition de la psychose chez les personnes présentant un risque clinique élevé
Les approches d’apprentissage automatique utilisant l’imagerie par résonance magnétique structurelle (IRMs) peuvent être informatives pour la classification des maladies, bien que leur capacité à prédire la psychose soit largement inconnue.
Nous avons créé un modèle avec des individus du CHR ayant développé une psychose plus tard (CHR-PS+) à partir de témoins sains (HC) qui peuvent se différencier.
Nous avons également évalué si nous pouvions distinguer les individus CHR-PS+ de ceux qui n’ont pas développé de psychose plus tard (CHR-PS-) et ceux dont le statut de suivi est incertain (CHR-UNK). IRM cérébrale structurelle pondérée en T1 de 1 165 personnes au CHR (CHR-PS+, n= 144 ; CHR-PS-, n= 793 ; et CHR-UNK, n= 228) et 1 029 HC ont été obtenus sur 21 sites.
Nous avons utilisé ComBat pour harmoniser les mesures des données de volume sous-cortical, d’épaisseur corticale et de surface et corrigé les effets non linéaires de l’âge et du sexe à l’aide d’un modèle additif général. CHR-PS+ (n= 120) et HC (n= 799) les données de 20 sites ont servi d’ensemble de données de formation, que nous avons utilisé pour construire un classificateur.
Les échantillons restants ont été utilisés avec des ensembles de données de validation externes pour évaluer les performances du classificateur (test, confirmation indépendante et groupe indépendant). [CHR-PS- and CHR-UNK] ensembles de données). La précision du classificateur sur les ensembles de données de formation et de confirmation indépendante était respectivement de 85 % et 73 %.
Les mesures de la surface corticale régionale, y compris celles des cortex frontal supérieur droit, temporal supérieur droit et insulaire bilatéral, ont fortement contribué à la classification du CHR-PS + de HC. Les individus CHR-PS- et CHR-UNK étaient plus susceptibles d’être classés comme HC par rapport aux CHR-PS+ (taux de classification en HC : CHR-PS+, 30 % ; CHR-PS-, 73 % ; CHR-UNK, 80 %) .
Nous avons utilisé l’IRMs multisite pour former un classificateur afin de prédire l’apparition de la psychose chez les individus CHR, et cela s’est révélé prometteur pour prédire CHR-PS+ dans un échantillon indépendant.
Les résultats suggèrent que lorsque l’on considère le développement du cerveau des adolescents, les examens IRM de base des individus CHR peuvent être utiles pour identifier leur pronostic.
De futures études prospectives sont nécessaires pour déterminer si le classificateur pourrait être réellement utile en milieu clinique.
2024-02-10 00:33:19
1707518467
#Prédire #psychose #avant #lapparition #des #symptômes