Utilisation de l'intelligence artificielle pour identifier les marqueurs cognitifs et cérébraux de la démence dans la maladie de Parkinson et son stade prodromal

 

Loubna Mekki BERRADA

Université de Montréal

 

Domaine : vieillissement

Programme Formation de maîtrise

Concours 2018-2019

Partenaire :

Parkinson Québec

La démence à corps de Lewy (DCL) et la maladie de Parkinson (MP) sont caractérisés par des troubles moteurs, des symptômes psychiatriques et des déficits cognitifs majeurs limitant l'autonomie et affectant la vie des personnes atteintes et celles de leurs entourages. Le trouble comportemental en sommeil paradoxal (TCSP) est maintenant bien reconnu comme facteur de risque important de ces deux maladies neurodégénératives. Il s'agit d'un trouble du sommeil caractérisé par des comportements indésirables et anormaux en sommeil paradoxal. Les études longitudinales de patients ayant un TCSP offrent donc un moyen intéressant de déterminer les facteurs prédicteurs du développement de la MP ou de la DCL. Il s'agit là d'un défi idéal pour une approche de prédiction basée sur l'apprentissage automatique (machine-learning). Toutefois, jusqu'à ce jour, l'intelligence artificielle n'a jamais été utilisés sur des données longitudinales pour cibler les patients TCSP et leurs progressions vers la DCL ou la MP.

L'objectif de ce projet est d'utiliser l'intelligence artificielle pour évaluer l'apport des données cognitives et EEG de patients TCSP lors de l'évaluation initiale (T0), pour distinguer les sujets témoins des patients, et prédire parmi ces derniers ceux qui progresseront (T1) vers une démence ou une MP. L'utilisation de l'apprentissage supervisé nous permettra d'identifier les meilleurs tests à administrer et marqueurs neuronaux les plus pertinents par le biais des performances de prédiction qu'elles atteignent. Ainsi ce projet de recherche aboutira non-seulement à un avancement des connaissances mais aussi à des outils de prédiction qui permettront de mieux détecter de façon précoce les patients avec un TCSP à très haut risque d'évoluer vers une maladie neurodégénérative. Enfin, cela permettra à moyen-terme d'étudier de façon objective l'efficacité de traitements de neuroprotection visant à ralentir ou même prévenir le développement de maladies neurodégénératives.