Aide au diagnostic des proteinopathies liées aux demences fronto-temporales basée sur des patterns d'atrophie corticale en irm morphologique

Les démences fronto-temporales (DFT) sont des maladies rares et hétérogènes cliniquement, qui sont liées soit à un dépôt de protéines Tau dans le cerveau, soit à un dépôt de protéines TDP43. A l'heure actuelle, seuls les tests de dépistage génétique permettent d'obtenir inconstamment des arguments en faveur d'un type de protéine cérébrale causale. Nous testons ici l'intérêt d'une intelligence artificielle (IA) non supervisée pour différencier les deux sous-types d'atteinte biologique, à partir d'IRM en pondération T1. Nous avons rétrospectivement entrainé notre IA avec 111 patients venant de la base de données publique 4RTNI (61 femmes, âge moyen : 68,4 ans) pour les tauopathies, et 144 patients venant de la base de données NIFD pour les maladies à protéines TDP43.Le volume du cerveau a été parcellisé en 132 régions à l'aide de réseaux de neurones du logiciel AssemblyNet(1). Des jumeaux numériques des patients DFT ont ensuite été généré puis les anomalies détectées grâce à ces jumeaux ont été projeté dans un espace réduit (2,3,4). Nous avons finalement appliqué l'algorithme préalablement entrainé sur 52 patients (23 femmes, âge moyen : 65.15 ans) issu d'une cohorte externe Australienne, ayant bénéficiés de biopsies post mortem permettant de détecter la présence de protéines Tau ou TDP. L'entrainement préalable de l'algorithme non supervisé permet de détecter deux grands clusters de DFT, l'un plus lié à la base de données 4RTNI, l'autre à la base NIFD. L'utilisation d'un classifier sur les données de validation externe permet de catégoriser les patients avec une précision de 82% sur la base externe. L'utilisation de jumeaux numériques basé sur de l'IRM permet de distinguer le type de protéinopathie impliqué dans les DFT avec une bonne précision diagnostic faisant envisager de pouvoir cibler les protéines adéquates lors des essais thérapeutiques.