AVC : prédiction de ROBODOC

19. mars 2013
Share article

Des algorithmes de reconnaissance des motifs le rendent possible : des chercheurs ont combiné les lésions cérébrales individuelles et la perte de capacité des patients ayant eu AVC et des troubles de l’attention de sorte qu’ils peuvent maintenant faire des prédictions sur leur régénération.

« Avec quel genre de séquelles vais-je devoir vivre dans le futur ? » Cette question, les médecins qui traitent les patients atteints d’AVC l’entendent quotidiennement. Il est, cependant, impossible de faire des prédictions certaines, même avec de nombreuses années d’expérience de traitement. De manière générale, plus les patients sont jeunes, plus les séquelles causées par l’accident vasculaire cérébral sont réduites, c’est à dire plus les chances que l’invalidité survenue diminue au moins partiellement avec le temps. Une déclaration vague qui n’est satisfaisante ni pour les patients et leurs proches, ni même pour les médecins.

Souvent, plusieurs régions du cerveau sont endommagées

Pour les patients ayant subi un AVC aigu, la première action routinière est de faire un scanner ou une IRM du cerveau. Grâce à des tests fonctionnels, les médecins peuvent alors mettre en relation les structures cérébrales endommagées et les compétences perdues. Mais ces seuls résultats ne permettent pas d’affecter une zone spécifique à une fonction de manière certaine. « En cas d’accident vasculaire, les zones du cerveau ne s’arrêtent pas comme des modules entiers », explique le Dr. Hans-Otto Karnath, du centre de neurologie de l’hôpital universitaire de Tübingen en Allemagne. « Un AVC peut causer des dommages dans de vastes zones du cerveau, qui comprennent de nombreuses compétences. Par exemple, nous ne savons pas où se trouve exactement la région nécessaire pour maintenir l’attention. »

Les algorithmes de reconnaissance de motifs apportent leur aide

Être attentif n’est pas un don automatique, mais une capacité active du cerveau. Les scientifiques autour du Prof Karnath, du centre de neurologie de Tübingen, et des chercheurs des États-Unis réussirent dans une étude conjointe sur des patients victimes d’AVC à rendre le réseau du cerveau visible, ce qui permet de comprendre le fonctionnement de l’attention chez l’être humain. Pour ce faire, ils utilisèrent une nouvelle méthode, qui fut initialement développée pour l’apprentissage autonome de robots et autres machines. La méthode s’appelle la Multivariate pattern analysis (MVPA), qui permet non seulement aux robots d’apprendre facilement des choses par cœur, mais aussi automatiquement de « reconnaître » des lois logiques. Pour acquérir de nouvelles connaissances sur la compréhension du fonctionnement du cerveau chez l’homme, les chercheurs nourrirent leur réseau informatique des scanners et IRM de 50 patients qui avaient subi un accident vasculaire cérébral. Certains d’entre eux souffraient de problèmes d’attention et d’autres pas.

Les algorithmes utilisés par les scientifiques recherchèrent alors, si dans cette collection vaste et diversifiée de lésions individuelles au cerveau, un motif typique qui serait présent chaque fois qu’il y a une trouble de l’attention pouvait être « reconnu ». Mais comment orienter les recherches après, les ordinateurs des chercheurs ne sont pas en mesure de le dire, et les chercheurs combinèrent pendant des mois toutes les variantes possibles et évaluèrent les résultats indépendamment du fait qu’il y ait une règle logique à « reconnaître ».

Les chercheurs finirent par trouver quelque chose dans l’hémisphère droit et purent ainsi rendre visible la portion de réseau du cerveau qui était toujours endommagée chez les nouveaux patients atteints d’AVC souffrant d’un trouble déficitaire de l’attention. Apparemment, cette zone donne à l’homme sa capacité d’attention.

Prévisions du déroulement de la maladie

Avec cette méthode, les scientifiques essaient maintenant, de faire des prévisions sur l’évolution de la maladie chez des patients victimes d’AVC. « Grâce à notre méthode, nous pouvons prédire quelle est la probabilité qu’il y ait une défaillance chronique de la fonction atteinte », déclara Karnath. Ainsi, les collègues du professeur Karnath comparèrent les IRM ou les scanners et les tests fonctionnels de leurs patients victimes d’AVC à l’admission à l’hôpital avec les mêmes données, un an après l’accident. Les chercheurs arrivèrent à déterminer le motif de lésion typique qui est associé à une faible capacité d’attention à long terme. La comparaison avec l’IRM ou le scanner et les capacités des patients un an après l’accident fournit à l’algorithme de reconnaissance des motifs assez de données pour évaluer l’avenir des patients: « Nous pouvons d’ores et déjà, en analysant la radiographie d’un nouveau patient ayant fait un AVC, faire une déclaration sur la probabilité que ses déficits soient susceptibles de diminuer avec le temps ou pas », déclara Karnath.

var dcmv = new DcMediaViewer(); dcmv.embed({« slider »: « 6I8YGB2UdIpFKpcftwd-Bg », « view »: « max », « tooltips »: false });

Les scientifiques réalisent actuellement une deuxième étude pour vérifier quelle sera la fiabilité d’une telle prédiction. Ainsi, ils se concentrent sur la « zone d’attention » précédemment découverte dans l’hémisphère droit. « Chez les nouveaux patients, nous examinons dans quelle mesure nos prévisions d’une évolution chronique corrèle avec les nouvelles données du patient », explique le professeur Karnath sur l’étude de suivi. « Si les corrélations sont élevées, alors cela signifie que nous connaissons les zones du cerveau qui ne doivent en aucun cas être endommagées afin d’éviter le développement chronique du trouble déficitaire de l’attention », selon Karnath. En deux ans, la fiabilité de la nouvelle méthode de prédiction sera vérifiée de façon concluante.

Encore plus prometteur

Cette approche réussie pourrait évoluer : « Notre méthode n’est bien sûr pas limitée aux problèmes d’attention », déclara Karnath. « Elle peut être appliquée à tous les déficits fonctionnels après un AVC. » À l’avenir, Karnath et son équipe veulent se consacrer à d’autres fonctions cérébrales supérieures.

Le professeur Karnath voit plusieurs avantages à cette nouvelle application des algorithmes de reconnaissance de motifs pour les patients victimes d’AVC et leurs familles : « D’abord, les caractéristiques individuelles du trouble déficitaire de l’attention sont déterminées à un stade précoce. Deuxièmement, pour chaque patient, la bonne thérapie peut être identifiée plus tôt, et ainsi le pronostic peut éventuellement être influencé. »

7 note(s) (3.57 ø)
, ,

Comments are exhausted yet.

Langue:
Suivre DocCheck: