Jusqu’à 7 ans avant le diagnostic de la maladie de Parkinson, des symptômes détectés par scan oculaire

 (moorfields.nhs.uk)
2 points par GN⁺ 2023-08-24 | 1 commentaires | Partager sur WhatsApp
  • Une équipe de recherche du Moorfields Eye Hospital et du UCL Institute of Ophthalmology a identifié des marqueurs rétiniens liés à la maladie de Parkinson, détectables en moyenne jusqu’à 7 ans avant l’apparition clinique
  • Grâce à une analyse par IA, les résultats issus du jeu de données AlzEye ont été reproduits dans la base de données plus large UK Biobank, montrant que même pour une pathologie à faible prévalence de 0,1 à 0,2 %, des marqueurs subtils peuvent être repérés
  • L’examen clé, l’OCT, est un examen ophtalmologique non invasif qui produit en moins d’une minute des images en coupe de la rétine avec un niveau de détail de l’ordre du 1/1000 mm
  • Il reste difficile de l’utiliser pour prédire individuellement l’apparition de la maladie de Parkinson, mais cette approche pourrait évoluer en outil de présélection pour repérer les populations à risque
  • Plus rapide, moins coûteux et plus scalable qu’un scanner cérébral, l’OCT pourrait permettre à terme d’élargir l’imagerie à une population plus vaste et d’ouvrir la voie à des analyses prédictives

Marqueurs de la maladie de Parkinson observés dans des images rétiniennes

  • L’équipe menée par Siegfried Wagner et Pearse Keane, du Moorfields Eye Hospital et du UCL Institute of Ophthalmology, a identifié chez des patients atteints de la maladie de Parkinson des marqueurs visibles en moyenne 7 ans avant l’apparition clinique
  • Ces résultats proviennent de la plus grande étude à ce jour sur l’imagerie rétinienne liée à la maladie de Parkinson, et constituent le premier cas montrant de telles observations plusieurs années avant le diagnostic
  • L’étude a été publiée dans Neurology®, la revue médicale de l’American Academy of Neurology

Jeux de données et méthode d’analyse

  • L’équipe de recherche a utilisé l’IA pour repérer des marqueurs de la maladie de Parkinson dans des scans oculaires
  • Les résultats obtenus à partir du jeu de données AlzEye ont été reproduits dans la base UK Biobank, et les mêmes observations ont aussi été confirmées sur des données de volontaires en bonne santé
  • L’utilisation conjointe de deux grands jeux de données a permis d’identifier des marqueurs subtils même pour une maladie de Parkinson dont la prévalence n’est que de 0,1 à 0,2 %
  • Le jeu de données AlzEye a été constitué via INSIGHT, la plus grande base de données mondiale d’images rétiniennes et de données cliniques associées

Rôle de l’OCT et de l’oculomics

  • L’œil est depuis longtemps considéré comme une fenêtre donnant un accès direct à de nombreux aspects de l’état de santé général
  • Les images rétiniennes haute résolution sont aujourd’hui couramment utilisées en ophtalmologie, notamment via l’OCT, un scan 3D largement employé dans les cliniques ophtalmologiques et chez les opticiens en ville
  • L’OCT produit en moins d’une minute une coupe de la rétine à l’arrière de l’œil et fournit un niveau de détail de l’ordre du 1/1000 mm
  • Le scan rétinien est présenté comme la seule méthode non invasive permettant d’observer des couches cellulaires sous la surface de la peau
  • Avec l’appui de puissants systèmes informatiques, il est devenu possible de traiter avec précision de grands volumes d’images OCT et d’images oculaires en une fraction du temps qu’il faudrait à un humain pour les analyser
  • Le machine learning est utilisé pour extraire des informations cachées sur l’état général du corps à partir des seules images de l’œil ; ce champ de recherche est appelé oculomics

Lien avec les recherches sur d’autres maladies

  • Les données issues de scans oculaires avaient déjà été utilisées pour rechercher des signaux de maladies neurodégénératives ou apparentées, comme la maladie d’Alzheimer, la sclérose en plaques et, plus récemment, la schizophrénie
  • Cette étude s’inscrit dans cette dynamique en identifiant des marqueurs précoces de la maladie de Parkinson dans des images rétiniennes

Coopération de recherche et raccordement aux données du NHS

  • La recherche a associé les NIHR Biomedical Research Centres du Moorfields Eye Hospital, du University Hospital Birmingham, du Great Ormond Street Hospital, de l’Oxford University Hospital, du University College Hospital London et du UCL Great Ormond Street Institute of Child Health
  • D’après une interview vidéo, la première étape a consisté à relier les scans oculaires de plus de 100 000 personnes venues au Moorfields Eye Hospital aux données nationales d’hospitalisation en Angleterre afin d’identifier des caractéristiques oculaires propres aux patients atteints de la maladie de Parkinson
  • Lors de la deuxième étape, les chercheurs ont vérifié ces mêmes caractéristiques dans une cohorte saine de la population générale britannique, et ont constaté qu’elles étaient présentes en moyenne jusqu’à 7 ans avant le diagnostic de la maladie de Parkinson
  • Le prestataire de santé intégré NHS, les grands jeux de données, une infrastructure de calcul haute performance ainsi que l’expertise en IA de Moorfields et de l’UCL ont été nécessaires à la réalisation de l’étude

La prédiction individuelle n’est pas encore prête

  • Siegfried Wagner a indiqué qu’il n’était pas encore possible de prédire si une personne développera la maladie de Parkinson
  • Il espère toutefois que cette méthode pourra devenir un outil de présélection pour les groupes à risque
  • S’il devient possible de repérer avant les symptômes des signaux de plusieurs maladies, les personnes concernées pourraient disposer de plus de temps pour adopter des changements de mode de vie visant à en prévenir certaines, et les cliniciens pourraient retarder l’apparition et l’impact des maladies neurodégénératives

Scalabilité et potentiel pour la santé publique

  • Louisa Wickham estime qu’élargir l’imagerie à une population plus vaste pourrait avoir un impact majeur sur la santé publique à l’avenir et conduire, à terme, à des analyses prédictives
  • Pour cet objectif, le scan OCT est plus scalable, non invasif, moins coûteux et plus rapide qu’un scanner cérébral
  • Des ressources associées sont proposées : interview ITV News et article académique

À lire aussi

1 commentaires

 
GN⁺ 2023-08-24
Avis sur Hacker News

  • Mieux vaut lire l’article lui-même : https://n.neurology.org/content/neurology/early/2023/08/21/W...
    Même pour l’indicateur montrant le signal le plus fort, les distributions se chevauchent considérablement entre les patients en phase prodromique de Parkinson et le groupe témoin. Certaines valeurs ressemblent presque à des marqueurs déterminants de Parkinson, mais dans les zones de chevauchement, utilisées seules, elles entraînent un taux élevé de faux positifs, ce qui réduit leur utilité.
    Il semble possible de détecter une proportion non négligeable de cas de Parkinson assez tôt, mais cette méthode seule paraît difficilement capable de réduire à la fois les faux positifs et les faux négatifs. Il faut aussi garder à l’esprit que le communiqué de presse résume sur un ton enthousiaste un article plus prudent.

    • S’il existe une “possibilité de détecter Parkinson assez tôt”, je me demande ce que pourrait être une intervention précoce, au-delà des changements de mode de vie.
      À ma connaissance, le traitement de Parkinson revient pratiquement à prendre des médicaments dopaminergiques à vie ; à terme, une tolérance apparaît, l’efficacité diminue et il faut des doses de plus en plus élevées. On a presque l’impression qu’au moment où l’on commence, on lance aussi le compte à rebours de la durée de vie restante du cerveau.
    • L’article dit aussi que “des INL et GCIPL plus fines étaient associées à un risque accru de développer la maladie de Parkinson, mais que, surtout pour l’INL, la taille de l’effet était faible, ce qui limite actuellement leur intérêt pratique comme marqueurs précoces de Parkinson à l’échelle individuelle”.
      En cherchant un peu, on voit que même chez de jeunes adultes en bonne santé, l’épaisseur de la GCIPL varie beaucoup d’un individu à l’autre, et que cette plage de variation est plus large que l’effet détecté dans l’étude. En pratique, pour repérer un début précoce de la maladie, il faudrait peut-être suivre la GCIPL toute la vie, et l’amincissement de la GCIPL seul semble insuffisant pour diagnostiquer Parkinson. On l’observe aussi dans d’autres maladies comme Alzheimer, et cela pourrait même être une conséquence du vieillissement naturel.

  • RightEye et Neuralight me viennent à l’esprit comme entreprises qui travaillaient dans ce domaine :
    https://techcrunch.com/2018/02/17/righteyes-portable-eye-tra...
    https://techcrunch.com/2022/05/24/neuralight-aims-to-track-a...
    Il doit y en avoir davantage aujourd’hui. De mémoire, ce type de données est très utile pour signaler qu’il faudrait “passer des examens plus poussés”. Il ne s’agit pas de poser un diagnostic, mais par exemple de dire qu’un ralentissement des mouvements oculaires est corrélé à la maladie et peut être détecté bien plus tôt que des symptômes évidents comme les tremblements des mains.

    • Ce n’est pas seulement une question de mouvement. Le tissu rétinien se développe à partir du même tissu embryonnaire que le cerveau. Ils ont probablement aussi regardé la structure ou le système vasculaire.
      L’anecdote la plus marquante dans ce domaine est qu’il n’existerait aucun cas de schizophrénie chez les personnes atteintes de cécité congénitale.
    • Je me demande si un diagnostic précoce est réellement utile.

  • L’idée de savoir que l’on développera une démence dans les dix prochaines années est intéressante, mais savoir cela est-il une bonne chose ? Ce n’est pas si simple.
    Si l’on pousse cette idée jusqu’au bout, cela devient presque un peu absurde. Et si le fait de “savoir” devenait une norme sociale ? Donnerait-on la priorité dans les files d’attente aux personnes qui vont bientôt développer une démence ? On peut imaginer les parcs d’attractions, les réservations de transport, les hôtels, les bars, les cinémas. Une industrie de services ciblant cette catégorie particulière pourrait apparaître du jour au lendemain.

    • Ce n’est pas réjouissant, mais pouvoir établir un plan à long terme face à une maladie difficile est clairement préférable à l’ignorance, à mon avis. Cela va de la planification financière à la recherche d’un logement adapté à l’état de santé, comme une maison de plain-pied sans escaliers.
      J’espère que, dans un avenir proche, on comprendra mieux les traitements modificateurs de la maladie capables de ralentir la progression de Parkinson. Si l’on confirme qu’un médicament comme l’Exenatide ralentit réellement l’évolution de Parkinson, je voudrais le savoir le plus tôt possible.
    • Savoir que l’on va développer une maladie incurable n’a que des inconvénients. Au lieu de profiter du présent, on vit dans la peur du temps à venir.
    • Si l’on accordait dans les lieux publics une priorité dans les files d’attente aux personnes qui vont bientôt développer une démence, il faudrait se demander si l’on fait déjà la même chose pour les patients atteints de cancer.
    • C’est déjà ce qui se passe. Si l’on estime que vous êtes susceptible d’avoir un cancer ou une démence, on finit par vous refuser une assurance et vous priver d’opportunités.
    • On pourrait certes profiter à fond des jours qui restent, mais une fois mort, ces expériences ne changeront plus rien pour soi-même. Ce qui reste, c’est l’héritage laissé dans l’esprit des vivants. Je ne voudrais pas qu’on se souvienne de moi comme de quelqu’un qui a écarté les autres et dépensé jusqu’à leur part d’héritage.
      C’est une question qui mérite réflexion.

  • “En utilisant un type d’IA appelé machine learning, les ordinateurs ont pu trouver, à partir de ces seules images, des informations cachées sur l’ensemble du corps” : donc maintenant, on dit qu’un ordinateur utilise l’IA pour faire quelque chose ?
    C’est amusant de voir qu’on dit toujours “l’IA a fait X”, “l’IA a découvert Y”, mais pas “la grue a construit le bâtiment”.

    • Ce n’est pas forcément une formulation étrange. L’attribution revient toujours au sujet pensant qui manipule l’outil et interprète le résultat.
      Par exemple, c’est Galilée qui a vu Jupiter, pas le télescope. C’est Joe qui a construit le mur, pas la grue.
      Dans ce cas, l’IA est le sujet pensant et non un humain, d’où cette formulation. Le fait que des humains aient créé l’IA ne supprime pas cette attribution. C’est comme le fait qu’on ne dirait pas que la mère de Joe a construit le mur sous prétexte que Joe est né d’elle.
    • Une grue est une machine ancienne et bien connue, tandis que l’IA est nouvelle et reste une sorte de boîte noire pour la plupart des gens ; c’est sans doute pour cela qu’on formule les choses ainsi.

  • Même sans traitement curatif, tout progrès sur Parkinson est une bonne nouvelle.
    Mon père avait Parkinson, et comme il était ingénieur, manipulait des métaux et des dégraissants, et avait été exposé pendant des années au trichloroéthylène, c’était un point de donnée assez clair indiquant que cette substance pouvait en être la cause.
    [1] https://www.science.org/content/article/widely-used-chemical...

    • J’ai déjà été exposé au TCE présent dans les nettoyants pour freins, donc je pourrais aussi être à risque. Merci pour le lien.

  • Nous avons déjà dans nos poches des appareils photo très sophistiqués
    Combien de temps faudra-t-il avant de pouvoir utiliser un smartphone pour fabriquer un appareil du type tricordeur promis par Star Trek ?
    L’Apple Watch semble aussi avoir du potentiel, et j’imagine un jour un monde où l’on n’ira plus chez le médecin pour recevoir un diagnostic, mais pour confirmer un diagnostic déjà établi et être guidé vers un plan de traitement efficace.

    • Dans les pays en développement, cela pourrait devenir une très bonne option [1] [2]. Il faut toutefois envisager un dispositif optique additionnel pour smartphone, quelque chose comme une « caméra de fond d’œil ». Dans les pays développés, cela sera probablement intégré aux examens ophtalmologiques traditionnels
      L’intérêt est d’extraire davantage de données par machine learning à partir des processus d’imagerie existants. On peut voir cela comme la mise en place de pipelines de données
      « Les images haute résolution de la rétine font désormais partie de la pratique courante en ophtalmologie. C’est particulièrement le cas de la tomographie par cohérence optique (OCT), un scan 3D largement utilisé dans les cliniques ophtalmologiques et chez les opticiens en ville. En moins d’une minute, un scan OCT produit une coupe de la rétine à l’arrière de l’œil avec un niveau de détail allant jusqu’au millième de millimètre »
      [1] https://www.cureus.com/articles/106024-effective-low-cost-op...
      [2] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5609317/
    • Je m’attends à ce que les médecins, les secteurs concernés et des organismes inutiles comme la FDA s’y opposent fortement. Comme toujours
    • Google a mené des travaux de recherche sur la mesure de la fréquence cardiaque avec un smartphone, l’identification de maladies de peau, la détection de maladies à partir de photos de l’œil, et une fonction faisant en quelque sorte office de stéthoscope :
      https://ai.googleblog.com/2023/02/google-research-2022-beyon...

  • Cela sera détourné non pas pour aider les gens, mais pour refuser des couvertures d’assurance

    • Aux États-Unis, depuis 2014, il est interdit d’exclure des personnes de l’assurance santé au motif de pathologies préexistantes
      Si vous cherchez à souscrire certaines assurances dépendance ou assurances-vie et que vous ne le déclarez pas, vous pouvez effectivement risquer de perdre votre assurance
      Mais il ne faut pas éviter les dépistages ou les consultations par peur de perdre son assurance santé à cause d’une pathologie préexistante. Cette époque a pris fin il y a près de dix ans
    • En pratique, cela peut arriver. L’effet net, c’est qu’une couverture peut vous être refusée
      On ne vous explique pas cela au moment du test
    • Ce raisonnement peut s’appliquer à presque tous les progrès médicaux. Une réglementation appropriée peut résoudre le problème

  • Sait-on seulement si le mécanisme de Parkinson est le même chez tout le monde ? Ou s’agit-il plutôt d’un ensemble de phénomènes arbitraires et propres à chacun, qui dysfonctionnent chacun à leur manière mais aboutissent à des symptômes similaires, auxquels les cliniciens ont donné un nom commun assez lâche ?
    J’ai lu cet article hier : https://www.frontiersin.org/articles/10.3389/fchem.2023.1106... Ce serait bien si l’on pouvait étendre ce type d’outil à l’échelle de l’organisme humain et de chaque patient, non ? Les CPU et GPU ne permettent pas de simuler correctement quelque chose d’aussi vaste, donc on pourrait compenser ce manque par du machine learning. Et si l’on pouvait observer la vie privée de chaque maladie avec une résolution supérieure à celle des meilleures agences de renseignement du monde ?
    C’est le genre de chose que je rêve de faire, donc si vous recrutez, envoyez-moi un e-mail

  • J’ai écrit un article intitulé « Opportunistic detection of type 2 diabetes using deep learning from frontal chest radiographs ». Il est disponible ici : https://www.nature.com/articles/s41467-023-39631-x
    Beaucoup de ces modèles offrent des avantages prometteurs pour la santé des populations, mais il reste aussi de nombreux défis liés aux biais et à la mise en œuvre. Cela dit, la détection précoce des maladies peut apporter des bénéfices même lorsqu’elle ne constitue pas nécessairement un traitement. L’étude IDEAs sur la maladie d’Alzheimer en est un bon exemple

  • Quel est le pouvoir prédictif réel ? Les valeurs p et les intervalles de confiance des rapports de risque ne nous donnent, par hypothèse, que la probabilité par rapport à l’effet de l’hypothèse nulle dans des données répétées
    Ce que je voudrais vraiment savoir, c’est, en prenant comme probabilité a priori le taux de maladie de Parkinson dans la population générale, à quoi ressemble la matrice de confusion de cette méthode