Des scientifiques de Skoltech et du centre médical et biophysique fédéral AI Burnazyan ont conçu et développé un deuxième système d’opinion, basé sur une analyse vidéo assistée par l’IA, qui peut aider les professionnels de la santé à évaluer objectivement les patients atteints de la maladie de Parkinson (MP), même à un stade précoce. Cette approche peut aider à éviter de mal diagnostiquer cette maladie, à distinguer ses stades, à ajuster le traitement et à recommander aux patients diagnostiqués une chirurgie de stimulation cérébrale profonde. L’article a été publié dans Journal des capteurs IEEE.
Un nombre croissant de personnes atteintes de maladies neurodégénératives, en raison du vieillissement de la population, signifiera que dans les décennies à venir, l’humanité pourrait faire face à une véritable «pandémie de la maladie de Parkinson». La MP, qui est actuellement la maladie neurodégénérative qui connaît la croissance la plus rapide, affecte gravement la qualité de vie des patients et doit être diagnostiquée le plus précisément et le plus tôt possible. Le défi ici est de faire la distinction entre la maladie de Parkinson et d’autres maladies présentant des symptômes moteurs similaires, par exemple un tremblement essentiel. Jusqu’à présent, la MP n’a pas de biomarqueur unique qui pourrait être utilisé pour la diagnostiquer de manière cohérente, et les médecins doivent se fier à leurs observations, qui conduisent souvent à de faux diagnostics révélés lors d’examens pathologiques.
Le professeur adjoint Andrey Somov et ses collègues ont construit un soi-disant système de deuxième opinion qui utilise des algorithmes d’apprentissage automatique pour analyser les enregistrements vidéo de patients effectuant des tâches motrices spécifiques. Dans une petite étude pilote, ce système a montré un très haut niveau de performance dans la détection des cas potentiels de MP et en le distinguant des tremblements essentiels.
Le système utilise des enregistrements vidéo, ce qui rend le processus de diagnostic rapide, discret et confortable pour les patients. L’équipe a conçu une série de 15 exercices courants tels que marcher, s’asseoir sur une chaise, se lever, plier une serviette, remplir un verre d’eau et se toucher le nez avec l’index. Il s’agissait de mouvements généraux et plus fins, d’aucun mouvement (pour évaluer le tremblement au repos) et de certaines activités que les cliniciens utilisent pour évaluer le tremblement.
Les exercices ont été conçus sous la supervision de neurologues et provenaient de plusieurs sources différentes, y compris des échelles utilisées pour surveiller la maladie de Parkinson et des recherches antérieures effectuées dans ce domaine. Chaque exercice avait un symptôme cible qu’il pouvait révéler. »
Ekaterina Kovalenko, doctorante Skoltech et co-auteur de l’article
Dans l’étude pilote, 83 patients avec ou sans maladies neurodégénératives ont été enregistrés pour effectuer ces tâches. Les vidéos ont ensuite été traitées à l’aide d’un logiciel qui place des points clés sur le corps humain correspondant aux articulations et à d’autres parties du corps, créant ainsi des modèles simplifiés de sujets en mouvement. Ceux-ci ont été analysés à l’aide de techniques d’apprentissage automatique.
L’équipe affirme que l’utilisation de la vidéo et de l’apprentissage automatique introduit un certain degré d’objectivité dans le processus de diagnostic, permettant aux chercheurs et aux médecins de détecter des caractéristiques très spécifiques de la maladie et de ses stades qui ne sont pas visibles à l’œil nu.
«Nos résultats préliminaires montrent un potentiel d’amélioration du diagnostic à l’aide de l’analyse vidéo. Notre objectif est de donner un second avis aux médecins et cliniciens, pas de les remplacer. Une méthode basée sur la vidéo est peut-être la plus pratique pour les patients, car elle est la plus polyvalente et non invasive par rapport à divers capteurs et tests », écrivent les auteurs dans leur article.
Les méthodes d’apprentissage automatique et de vision par ordinateur que nous avons utilisées dans cette recherche sont déjà bien établies dans un certain nombre d’applications médicales; on peut leur faire confiance et les exercices de diagnostic de la maladie de Parkinson sont en cours de développement par les neurologues depuis un certain temps. Ce qui est vraiment nouveau dans cette étude, c’est notre classement quantitatif de ces exercices en fonction de leur contribution à un diagnostic final précis et spécifique. Cela ne pouvait être réalisé qu’en collaboration entre médecins, mathématiciens et ingénieurs. »
Dmitry Dylov, professeur agrégé Skoltech et co-auteur de l’étude
Dans des études antérieures, l’équipe de Somov a également utilisé des capteurs portables dans une étude de faisabilité similaire qui les a aidés à détecter les exercices les plus informatifs pour le diagnostic de la maladie de Parkinson assisté par l’apprentissage automatique.
«Dans le cadre du processus de recherche, nous avons eu l’occasion d’interagir étroitement avec des médecins et du personnel médical, qui ont partagé leurs idées et leur expérience. C’était fascinant d’observer comment deux disciplines apparemment différentes se sont réunies pour aider les gens. Nous avons également eu l’occasion de surveiller toutes les parties de la recherche, de la conception de la méthodologie à l’analyse des données et à l’apprentissage automatique », a déclaré Kovalenko.
«Cette collaboration entre médecins et scientifiques dans l’analyse des données permet de nombreuses nuances et détails cliniques importants qui aident à obtenir les meilleurs résultats. En tant que médecins, nous y voyons un grand potentiel; outre le diagnostic différentiel, nous avons besoin d’outils objectifs pour évaluer les fluctuations motrices chez les patients atteints de MP. Ces outils peuvent fournir une approche plus personnalisée de la thérapie et aider à prendre des décisions sur les interventions neurochirurgicales ainsi qu’à évaluer les résultats de la chirurgie plus tard », a noté la neurologue Ekaterina Bril, co-auteur de l’article.
Andrey Somov a déclaré que le prochain objectif de l’équipe était de combiner l’analyse vidéo et les données des capteurs dans la tâche de détecter la MP et de diagnostiquer ses étapes – ils s’attendent à ce que cela améliore la précision. «Nous gardons également à l’esprit les aspects d’innovation de notre travail – notre équipe convient qu’il est logique d’envisager de convertir nos résultats de recherche en un logiciel intuitif. Nous pensons que nos efforts de recherche conjoints auront un effet positif pour les patients atteints de MP », a-t-il ajouté.
La source:
Institut des sciences et technologies de Skolkovo
Référence du journal:
Kovalenko, E., et coll. (2021) Faire la distinction entre la maladie de Parkinson et les tremblements essentiels grâce à l’analyse vidéo à l’aide de l’apprentissage automatique: une étude pilote. Capteurs IEEE. doi.org/10.1109/JSEN.2020.3035240.