Use of artificial intelligence to aid in the diagnosis of patients with neurodegenerative pathologies

Abstract

L'intelligence artificielle connait un boom depuis les années 2000 de par le stockage systématique des données et l'augmentation de la puissance de calcul des ordinateurs ainsi que l'apparition des méthodes dites de deep learning. Cela a permis d'envisager des recherches et applications dans de nombreux domaines, et en particulier le domaine médical. Les pathologies neurodégénératives sont des fléaux pour la société depuis leurs apparitions plus fréquentes suite à l'augmentation de l'espérance de vie. Leurs diagnostics deviennent un enjeu majeur de la neuro imagerie, en particulier sur les stades précoces des pathologies. En effet, un diagnostic précoce permet d'appliquer au plus vite un traitement et de limiter les conséquences pour les patients, ainsi que de mieux comprendre les mécanismes de développement de ces pathologies et leur apparition. Le développement d'un pipeline de deep learning appliqué aux pathologies neurodégénératives permettrait d'envisager des outils d'aide au diagnostic dans les routines cliniques, basés sur les méthodes d'intelligence artificielle les plus avancées. Ces travaux de thèse montrent qu'il est possible d'utiliser un pipeline d'apprentissage profond à la fois pour discriminer les patients pathologiques des sujets sains, mais aussi pour effectuer une analyse des pouvoirs discriminants des biomarqueurs dérivés de l'IRM. Ils démontrent comment obtenir une signature spatiale de la pathologie étudiée, tout en utilisant un jeu de données compatible avec une routine clinique. La pathologie neurodégénérative étudiée est l'atrophie multi systématisée, maladie rare avec peu donnée de patients, pour laquelle le deep learning parvient néanmoins à un bon diagnostic. Ces travaux pourraient être étendus à d'autres pathologies dégénératives, à la fois pour le diagnostic et le suivi des patients, mais aussi pour la compréhension de ces pathologies.

Ähnliche Arbeiten