L’apparition de la psychose peut être prédite avant qu’elle ne se produise à l’aide d’un outil d’apprentissage automatique capable de classer les IRM cérébrales entre les personnes en bonne santé et celles à risque d’épisode psychotique. Un consortium international comprenant des chercheurs de l’Université de Tokyo a utilisé le classificateur pour comparer les analyses de plus de 2 000 personnes réparties sur 21 sites dans le monde. Environ la moitié des participants présentaient un risque cliniquement élevé de développer une psychose. Grâce aux données de formation, le classificateur a pu distinguer les personnes qui n’étaient pas à risque de celles qui ont développé plus tard des symptômes psychotiques évidents avec une précision de 85 %. En utilisant de nouvelles données, la précision était de 73 %. Cet outil pourrait être utile dans de futures situations cliniques car, même si la plupart des personnes souffrant de psychose se rétablissent complètement, une intervention précoce entraîne généralement de meilleurs résultats avec moins d’impact négatif sur la vie des personnes.

N’importe qui peut vivre un épisode psychotique, souvent accompagné de délires, d’hallucinations ou de pensées désorganisées. Il n’y a pas de cause unique, mais elle peut être causée par une maladie ou une blessure, un traumatisme, la consommation de drogues ou d’alcool, des médicaments ou une prédisposition génétique. Même si elle peut être effrayante ou inquiétante, la psychose peut être soignée et la plupart des gens s’en remettent. Étant donné que l’âge le plus courant pour un premier épisode est l’adolescence ou le début de l’âge adulte, lorsque le cerveau et le corps subissent des changements majeurs, il peut être difficile d’identifier les jeunes qui ont besoin d’aide.

« Un maximum de 30 % des personnes présentant un risque clinique élevé présentent plus tard des symptômes psychotiques évidents, tandis que les 70 % restants ne le font pas », a expliqué le professeur agrégé Shinsuke Koike de la Graduate School of Arts and Sciences de l’Université de Tokyo. « Par conséquent, les cliniciens ont besoin d’aide pour identifier ceux qui présenteront des symptômes psychotiques, non seulement par des signes subcliniques tels que des changements dans la pensée, le comportement et les émotions, mais également par certains marqueurs biologiques. »

Le consortium de chercheurs a travaillé ensemble pour développer un outil d’apprentissage automatique qui utilise des IRM cérébrales pour identifier les personnes à risque de psychose avant qu’elle ne commence. Des études antérieures utilisant l’IRM cérébrale ont montré qu’il existe des différences structurelles dans le cerveau après l’apparition d’une psychose. Cependant, c’est la première fois que des différences sont découvertes dans le cerveau de personnes présentant un risque très élevé mais n’ayant pas encore souffert de psychose.

L’équipe de 21 institutions différentes dans 15 pays différents a réuni un groupe large et diversifié d’adolescents et de jeunes adultes participants. Koike a déclaré que la recherche sur l’IRM dans les troubles psychotiques peut être difficile car les différences dans le développement du cerveau et les appareils d’IRM rendent difficile l’obtention de résultats très précis et comparables. De plus, chez les jeunes, il peut être difficile de faire la distinction entre les changements dus au développement typique et ceux dus à la maladie mentale.

« Différents modèles d’IRM ont des paramètres différents, qui influencent également les résultats », explique Koike. « Tout comme avec les caméras, différents instruments et spécifications d’enregistrement produisent différentes images de la même scène, en l’occurrence le cerveau du participant. Cependant, nous avons pu corriger ces différences et créer un classificateur bien adapté pour prédire l’apparition de la psychose.

Les participants ont été divisés en trois groupes d’individus cliniquement à haut risque : ceux qui ont développé plus tard une psychose ; ceux qui n’ont pas développé de psychose ; et les individus dont le statut de suivi est incertain (un total de 1 165 individus pour les trois groupes) et un quatrième groupe de témoins sains à des fins de comparaison (1 029 individus). À l’aide des analyses, les chercheurs ont formé un algorithme d’apprentissage automatique pour identifier des modèles dans l’anatomie cérébrale des participants. À partir de ces quatre groupes, les chercheurs ont utilisé l’algorithme pour classer les participants en deux groupes d’intérêt principaux : les témoins sains et les individus à haut risque qui ont ensuite développé des symptômes psychotiques manifestes.

Lors de la formation, l’outil était précis à 85 % pour classer les résultats, tandis que lors du test final avec de nouvelles données, il était précis à 73 % pour prédire quels participants présentaient un risque élevé de développer une psychose. Sur la base des résultats, l’équipe estime que la fourniture d’IRM cérébrales aux personnes identifiées comme présentant un risque cliniquement élevé pourrait être utile pour prédire l’apparition d’une psychose.

« Nous devons encore tester si le classificateur fonctionne bien pour les nouveaux ensembles de données. Étant donné que certains des logiciels que nous utilisons sont les mieux adaptés à un ensemble de données fixes, nous devons développer un classificateur capable de classer de manière robuste les IRM provenant de nouveaux emplacements et de nouvelles machines.  »  » Un défi actuellement relevé par un projet national de recherche sur le cerveau au Japon appelé Brain /MINDS Beyond représente », a déclaré Koike. « Si nous y parvenons, nous pourrons créer des classificateurs plus robustes pour de nouveaux ensembles de données qui pourront ensuite être appliqués à des contextes cliniques réels et de routine. »

Source:

Référence du magazine :

Zhu, Y., et coll. (2024). Utilisation de mesures de neuroimagerie structurelle cérébrale pour prédire l’apparition de la psychose chez les individus cliniquement à haut risque. Psychiatrie Moléculaire. est ce que je.org/10.1038/s41380-024-02426-7.



Source