Étude: L'intelligence artificielle peut améliorer la détection par IRM du TDAH
14 janvier 2020
L'intelligence artificielle peut améliorer considérablement la précision des modèles neuronaux à l'aide d'IRM pour détecter le trouble d'hyperactivité avec déficit de l'attention (TDAH), selon une étude récemment publiée dans Radiologie: intelligence artificielle.1
L'étude, menée par des chercheurs de l'Ohio Université de Cincinnati et le Centre médical de l'hôpital pour enfants de Cincinnati, se concentre sur l'idée émergente d'utiliser imagerie cérébrale pour détecter les signes de TDAH chez les patients. Actuellement, il n'existe pas de test unique et définitif pour le TDAH - le diagnostic intervient après une série de tests de symptômes et de comportement.
Cependant, la recherche suggère que TDAH peut potentiellement être détecté en étudiant le connectome - une carte des connexions neuronales du cerveau construites en superposant des examens IRM du cerveau, appelés parcellations. Certaines études suggèrent qu'un connectome perturbé ou interrompu est lié au TDAH.
Jusqu'à présent, la plupart des recherches ont porté sur le modèle du «réseau neuronal profond à canal unique» (scDNN), où l'intelligence artificielle aide un ordinateur à construire des connectomes basés sur une parcelle. Dans cette étude, les scientifiques ont développé un «modèle de réseau de neurones profond multicanal», ou mcDNN, où les connectomes sont construits à partir de multiples parcellations. Ces parcellations multi-échelles provenaient d'ensembles de données sur le cerveau de 973 participants.
Le modèle a également été programmé pour analyser et détecter des modèles dans les connectomes multi-échelles afin de détecter le TDAH et d'identifier les caractéristiques les plus prédictives du connectome cérébral pour Diagnostic du TDAH. Les résultats ont montré que les performances de détection du TDAH se sont améliorées «considérablement» avec le modèle mcDNN par rapport à l'alternative scDNN.
«Nos résultats mettent l'accent sur le pouvoir prédictif du connectome cérébral», a déclaré l'auteure principale Lili He à la Radiological Society of North America2. "Le connectome fonctionnel du cerveau construit qui s'étend sur plusieurs échelles fournit des informations supplémentaires pour la représentation des réseaux à travers le cerveau entier."
L'étude ouvre les portes de l'imagerie cérébrale et des réseaux de neurones profonds, ou apprentissage en profondeur, pour aider à détecter d'autres conditions. "Ce modèle peut être généralisé à d'autres déficiences neurologiques", a-t-il déclaré, notant que ce modèle mcDNN est déjà utilisé pour prédire la déficience cognitive chez les nourrissons prématurés, par exemple, pour prédire les résultats neurodéveloppementaux à l'âge deux.
Sources
1 Chen, M., Li, H., Wang, J., Dillman, J. R., Parikh, N. A., et He, L. (2019). Un modèle de réseau neuronal profond multicanal analysant les données du connectome cérébral fonctionnel à plusieurs échelles pour la détection du trouble d'hyperactivité avec déficit de l'attention. Radiologie: intelligence artificielle, 2 (1), e190012. https://doi.org/10.1148/ryai.2019190012
2 L'intelligence artificielle stimule la détection par IRM du TDAH. (2019, 11 décembre). Récupéré le 13 janvier 2020 https://www.rsna.org/en/news/2019/November-December/AI-MRI-For-ADHD
Mis à jour le 14 janvier 2020
Depuis 1998, des millions de parents et d'adultes ont fait confiance aux conseils et au soutien d'experts d'ADDitude pour mieux vivre avec le TDAH et ses problèmes de santé mentale. Notre mission est d'être votre conseiller de confiance, une source inébranlable de compréhension et d'orientation sur le chemin du bien-être.
Obtenez un numéro gratuit et un livre électronique ADDitude gratuit, et économisez 42% sur le prix de vente.
