Les Défis du CEA n°240 mar à jun 2020
Les Défis du CEA n°240 mar à jun 2020
  • Prix facial : gratuit

  • Parution : n°240 de mar à jun 2020

  • Périodicité : mensuel

  • Editeur : CEA

  • Format : (200 x 255) mm

  • Nombre de pages : 32

  • Taille du fichier PDF : 3,9 Mo

  • Dans ce numéro : dossier santé mantale.

  • Prix de vente (PDF) : gratuit

Dans ce numéro...
< Pages précédentes
Pages : 20 - 21  |  Aller à la page   OK
Pages suivantes >
20 21
20 DOSSIER LES DÉFIS DU CEA #240 ↗ Ci-dessus Les imageurs TEP-IRM du SHFJ sont aussi sollicités dans certains essais cliniques. Ici, interprétation des images cérébrales. LEXIQUE EEG L’électro-encéphalogramme mesure les minuscules courants électriques qui parcourent le cortex, au moyen d’électrodes posées sur la tête. TEP Tomographie par émission de positons. SHFJ Service hospitalier Frédéric Joliot (CEA-Joliot).., 08 iitigenta tit VI t t lie il unitieltilli. &titille e 8 MI. 0.. « titim sou Autour des traitements In fine, l’enjeu pour la recherche est la thérapeutique. Les psychothérapies, centrales pour les malades, continuent à être améliorées. Tout comme les traitements et la compréhension de leurs mécanismes d’action, explorés par les équipes du CEA. « Le lithium, par exemple, est le traitement le plus efficace du trouble bipolaire depuis 70 ans. Mais on ne connaît toujours pas son mode opératoire ! », avoue Josselin Houenou. Plusieurs études, dans lesquelles les équipes du CEA sont fortement impliquées, tentent de lever le voile. Le suivi des 1 500 patients de la cohorte Enigma a notamment montré que le traitement par lithium améliorait sensiblement la connectivité entre les deux régions cérébrales de contrôle des émotions, à savoir l’amygdale et le cortex préfrontal. Les mêmes patients sous lithium ont également plus de connexions courtes entre neurones du cortex, liées à un plus grand nombre de synapses, suggérant un effet direct du lithium sur la plasticité du cerveau. « Avec ce type de résultat, nous commençons à mieux comprendre l’effet des traitements », ajoute le psychiatre. Prédire la réponse au lithium Une partie des patients reste cependant peu sensible au lithium. Trouver des biomarqueurs qui pourraient aider à prédire la bonne ou mauvaise réponse à cet élément ferait gagner un temps considérable dans la prise en charge des malades. C’est précisément l’objectif de l’essai clinique européen RLink lancé il y a un an, avec 300 patients sous lithium suivis pendant deux ans sur vingt sites européens. L’idée est de collecter un maximum d’informations médicales  : tests cognitifs, sanguins, ADN, ARN, IRM… pour élaborer, par des techniques d’appren-L.Godart/CEA
LES DÉFIS DU CEA #240 SANTÉ MENTALE 21 tissage automatique (lire ci-contre), un algorithme capable de prédire la réponse au traitement à partir des données d’entrée concernant le malade. « Au sein de RLink, nous pilotons tout le volet analyse de données et machine learning », précise Édouard Duchesnay, spécialiste en développement d’algorithmes de machine learning à NeuroSpin. C’est aussi le cas dans le vaste projet français PsyCare, dédié aux psychoses (dont fait partie la schizophrénie). Une quinzaine de partenaires, pilotés par l’hôpital Sainte-Anne, sont mobilisés pour trouver des marqueurs prédictifs de l’évolution vers la maladie – l’idée étant de faciliter la détection précoce – et identifier les cibles thérapeutiques correspondantes. De puissants algorithmes au sein d’essais cliniques par exemple. Apprendre à réguler son amygdale Josselin Houenou évoque une autre piste. « L’hyperactivation de l’amygdale chez les patients atteints de troubles bipolaires nous a incités à débuter un essai clinique de neurofeedback. » La méthode consiste à montrer en temps réel à des patients l’activité de leur amygdale en IRM fonctionnelle, sous forme d’un petit thermomètre, pour qu’ils apprennent à la contrôler. Avec une difficulté technique majeure, celle du traitement du signal, qui doit être ultrarapide. « Nous avons collaboré avec les équipes méthodologiques de NeuroSpin pour élaborer un algorithme spécifique. Le résultat délivré en une seconde n’est certes pas très détaillé, mais reste suffisant pour l’exercice », commente le psychiatre. À terme, si la méthode fonctionne, les chercheurs opteraient pour un neurofeedback en EEG, beaucoup moins lourd à mettre en œuvre en routine. Déceler l’inflammation cérébrale La voie de l’inflammation chronique, suspectée dans la plupart de ces troubles, est elle aussi explorée. « Avec le SHFJ, et l’utilisation d’un traceur biologique suivi par TEP, nous testons si la présence de marqueurs de l’inflammation cérébrale chez des sujets schizophrènes est corrélée avec celle de marqueurs de l’inflammation dans le sang », explique Josselin Houenou. Autrement dit, est-ce qu’une simple prise de sang pourrait renseigner sur une inflammation cérébrale ? Si tel est le cas, ce geste simple permettrait de choisir les patients susceptibles de recevoir des anti-inflammatoires, à l’œuvre Sans l’intelligence artificielle et les techniques de machine learning, point de neuroimagerie ! « Ce que nous faisons en imagerie cérébrale, ce n’est pas de la radiologie, rien n’est visible à l’œil nu, précise d’emblée Jean-François Mangin, spécialiste en analyse d’images. Analyser la masse et la complexité des données fournies par les IRM, comparer des milliers de cerveaux, en faire émerger les caractéristiques communes ou de légères anomalies, c’est hors de portée pour l’esprit humain. » Seuls l’ordinateur et la puissance des algorithmes sont capables de découvrir au sein de ces océans d’informations les signatures de pathologies. « Et même de déceler les premiers changements cérébraux, bien avant l’apparition de symptômes ». Ce que les chercheurs imaginent pour l’avenir, c’est un outil de routine hospitalier, capable, à la seule lecture d’une IRM cérébrale, de réaliser ces diagnostics précoces ou encore de prédire la réponse à un traitement. « Aujourd’hui, nos algorithmes arrivent à reconnaître un cerveau atteint de schizophrénie avec un taux de réussite de 80%, annonce Édouard Duchesnay. Mais nous devons aller plus loin, pour repérer ces futurs malades bien plus tôt. » Quand la machine apprend… Pour relever le défi, les algorithmes conçus à NeuroSpin font de l’apprentissage (ou machine learning). Ils ingèrent une foule de données médicales essentiellement issues des IRM, mais de plus en plus de la génétique, des analyses biologiques et des scores cognitifs, concernant des sujets à un stade précoce de la pathologie, puis au fil de leur évolution dans le temps. La machine apprend d’elle-même à reconnaître, dès leur apparition, les signatures biologiques caractéristiques de la maladie. « Plus on dispose de données pendant la phase d’apprentissage, plus précise sera la performance de l’algorithme. Les études auxquelles nous participons portent en général sur un millier de sujets, mais l’objectif serait d’aller vers des cohortes de 10 000 patients », indique Édouard Duchesnay. … sans sur-apprendre Les obstacles sont cependant nombreux, comme ceux de la variabilité naturelle entre tous les cerveaux sains, la variabilité interIRM, inter hôpitaux… « Nous cherchons un filon d’or dans une énorme montagne de terre ; des petites différences, subtiles, uniquement liées aux pathologies. Comment faire pour trouver l’information pertinente dans ce bruit de fond ? C’est tout l’enjeu », commente Édouard Duchesnay. En d’autres termes, il faut empêcher l’algorithme de tomber dans le « sur-apprentissage » de détails non reproductibles. « Pour cela, on force l’algorithme à trouver une solution la plus simple possible. On encode des a priori biologiques, comme la structure du cerveau, qui vont contraindre une solution organisée en régions plutôt qu’en pixels disséminés formant une carte « poivre et sel » ininterprétable et peu plausible biologiquement. » Mais pour s’affranchir totalement de la variabilité énorme mais normale entre cerveaux humains, le chemin à parcourir serait cependant encore bien long. « Il faudrait construire notre algorithme à partir d’une immense base de données, très hétérogène, pour qu’il apprenne à reconnaître toutes les variations normales, et ainsi identifier mieux et plus vite les cerveaux pathologiques. Pour le moment, cela reste de l’ordre du rêve… », conclut le chercheur.



Autres parutions de ce magazine  voir tous les numéros


Liens vers cette page
Couverture seule :


Couverture avec texte parution au-dessus :


Couverture avec texte parution en dessous :