Montre-moi ton scanner cérébral et je te dirai quel âge tu as vraiment.
Les réseaux de neurones artificiels joueront un rôle de plus en plus important dans le diagnostic médical.
L'âge biologique d'une personne peut être déterminé avec précision à partir d'images cérébrales en utilisant la dernière technologie d'IA, les réseaux neuronaux artificiels. Toutefois, jusqu'à présent, les caractéristiques utilisées par ces réseaux pour déduire l'âge n'étaient pas claires. Des chercheurs de l'Institut Max Planck pour les sciences cognitives et cérébrales humaines ont maintenant mis au point un algorithme qui les révèle : L'estimation de l'âge remonte à toute une série de caractéristiques du cerveau, fournissant des informations générales sur l'état de santé d'une personne. L'algorithme pourrait ainsi aider à détecter plus rapidement des tumeurs ou la maladie d'Alzheimer et permet de tirer des conclusions sur les conséquences neurologiques de maladies telles que le diabète.
Image symbolique
Unsplash
Les réseaux neuronaux profonds sont une technologie d'IA qui enrichit déjà notre vie quotidienne à de nombreux niveaux : Ces réseaux artificiels, qui s'inspirent du fonctionnement de vrais neurones, peuvent comprendre et traduire le langage, interpréter des textes et reconnaître des objets et des personnes dans des images. Mais ils peuvent aussi déterminer l'âge d'une personne à partir d'une IRM de son cerveau. Il est vrai qu'il serait plus facile de connaître l'âge en interrogeant la personne. Toutefois, la détermination de l'âge par la machine permet également de se faire une idée de ce à quoi ressemble normalement un cerveau sain à différentes étapes de la vie. Si, sur la base du scanner, le réseau estime que l'âge biologique du cerveau est plus élevé qu'il ne l'est en réalité, cela peut indiquer une maladie ou une lésion possible. Des études antérieures, par exemple, avaient révélé que le cerveau de personnes atteintes de certaines maladies, comme le diabète ou une déficience cognitive grave, semblait avoir plus d'années à son actif qu'en réalité. En d'autres termes, les cerveaux étaient dans un état biologiquement plus mauvais que ce que l'on pourrait supposer en se basant sur l'âge de ces personnes.
Bien que les réseaux neuronaux artificiels puissent déterminer avec précision l'âge biologique, on ignorait jusqu'à présent quelles informations provenant des images cérébrales leurs algorithmes utilisaient pour y parvenir. Les scientifiques du domaine de la recherche sur l'IA appellent cela le "problème de la boîte noire" : Selon ce principe, on introduit une image cérébrale dans le modèle, la "boîte noire", on le laisse la traiter - et on n'obtient finalement que sa réponse. Toutefois, en raison de la complexité des réseaux, la manière dont cette réponse est générée n'était pas claire jusqu'à présent. Les scientifiques du Max Planck Institute for Human Cognitive and Brain Sciences (MPI CBS) de Leipzig ont donc voulu ouvrir la boîte noire : Que regarde le modèle pour arriver à son résultat, l'âge du cerveau ? Pour ce faire, ils ont collaboré avec l'Institut Fraunhofer des télécommunications de Berlin pour mettre au point un nouvel algorithme d'interprétation permettant d'analyser les estimations d'âge des réseaux.
"C'est la première fois que nous avons appliqué l'algorithme d'interprétation à une tâche de régression complexe", explique Simon M. Hofmann, doctorant au MPI CBS et premier auteur de l'étude sous-jacente, qui vient de paraître dans la revue NeuroImage. "Nous pouvons maintenant déterminer exactement quelles régions et caractéristiques du cerveau sont indicatrices d'un âge biologique plus ou moins élevé."
Il en ressort que les réseaux neuronaux artificiels utilisent, entre autres, la matière blanche pour faire des prédictions. En conséquence, ils examinent en particulier le nombre de petites fissures et de cicatrices qui traversent le tissu nerveux du cerveau. Ils analysent également la largeur des sillons dans le cortex cérébral ou la taille des cavités, les "ventricules". Des études antérieures ont montré que plus une personne est âgée, plus ses sillons et ses ventricules sont en moyenne larges. Ce qui est intéressant, c'est que les réseaux neuronaux artificiels sont arrivés à ces résultats par eux-mêmes, sans avoir reçu ces informations. Pendant leur phase d'apprentissage, ils ne disposaient que des scanners du cerveau et des véritables années de vie de la personne.
"Bien sûr, une estimation de l'âge plus élevée peut aussi être interprétée comme une erreur du modèle", a déclaré Veronica Witte, chef du groupe de recherche. "Mais nous avons pu montrer que ces déviations sont biologiquement significatives". Par exemple, les chercheurs ont confirmé que les personnes atteintes de diabète ont un âge cérébral plus élevé. Ils ont pu montrer que les personnes atteintes présentent davantage de lésions dans la matière blanche.
C'est déjà clair, les réseaux de neurones artificiels vont jouer un rôle de plus en plus important dans le diagnostic médical. Il sera donc de plus en plus important de savoir sur quoi ces algorithmes sont guidés : à l'avenir, un scanner cérébral pourrait être automatiquement analysé par différents réseaux, chacun étant spécialisé dans certains domaines - l'un tire des conclusions sur la maladie d'Alzheimer, un autre sur les tumeurs, et un autre encore sur d'éventuels troubles mentaux. "Le médecin ne reçoit alors pas seulement un retour d'information sur la présence éventuelle de certaines maladies. Il voit également quelles sont les zones du cerveau qui sous-tendent les diagnostics", explique Hofmann. Les caractéristiques correspondantes sont marquées directement dans l'image IRM par les algorithmes dans chaque cas et peuvent donc être détectées plus facilement par les professionnels de la santé - qui peuvent alors tirer des conclusions immédiates sur la gravité de la maladie. Il serait également plus facile de détecter les erreurs de diagnostic : Si l'analyse se base sur des zones biologiquement invraisemblables, comme des erreurs survenues lors de la création de l'image, celles-ci peuvent être immédiatement détectées par le médecin. L'algorithme d'interprétation de l'équipe de recherche peut donc également contribuer à améliorer la précision des réseaux neuronaux artificiels eux-mêmes.
Dans une étude de suivi, les chercheurs veulent maintenant examiner plus en détail pourquoi leurs modèles s'intéressent également à des caractéristiques du cerveau qui n'ont jusqu'à présent joué qu'un rôle limité dans la recherche sur le vieillissement. Il s'est avéré, par exemple, que les réseaux neuronaux se concentrent également sur le cervelet. La manière dont les processus de vieillissement y progressent chez les personnes saines et malades était jusqu'à présent un mystère pour les scientifiques.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Simon M Hofmann, Frauke Beyer, Sebastian Lapuschkin, Ole Goltermann, Markus Loeffler, Klaus-Robert Müller, Arno Villringer, Wojciech Samek, A Veronica Witte. Towards the interpretability of deep learning models for multi-modal neuroimaging: Finding structural changes of the ageing brain. Neuroimage. 2022 Nov 1;261:119504
Autres actualités du département science
Recevez les dernières actualités du secteur des sciences de la vie
Ne manquez plus aucune actualité : notre newsletter consacrée aux biotechnologies, au secteur pharmaceutique et aux sciences de la vie vous informe tous les mardis et jeudis. Les dernières nouvelles du secteur, les produits phares et les innovations - de manière compacte et compréhensible dans votre boîte de réception. Recherché par nos soins, pour que vous n'ayez pas à le faire.
