Classification diagnostique automatisée des syndromes parkinsoniens en IRM multimodale

Objectifs Le diagnostic differentiel des syndromes parkinsoniens d’origine neurodegenerative est difficile, notamment en phase precoce. L’IRM structurelle constitue une aide diagnostique precieuse puisqu’elle fournit des biomarqueurs capables de discriminer les differentes entites. Alors que l’imagerie est consideree normale dans la maladie de Parkinson (MPI), la paralysie supranucleaire progressive (PSP) est caracterisee par une atteinte preferentielle du mesencephale, alors que l’atteinte du putamen, du pont et du cervelet domine l’atrophie multisystematisee (AMS). Notre objectif etait d’evaluer la capacite d’un algorithme a classer correctement les sujets atteints de syndrome parkinsonien sur la base de donnees de volumetrie et de diffusion. Materiels et methodes Cette etude prospective reposait une cohorte d’apprentissage incluant 181 sujets scannes en milieu de recherche sur deux appareils IRM (sujets sains : n = 72, MPI : n = 62, PSP : n = 22, AMS : n = 25) et sur une cohorte test incluant 169 sujets recrutes dans un service de neuroradiologie et images en conditions cliniques sur quatre appareils IRM (sujets sains : n = 20, MPI : n = 72, PSP : n = 36, AMS : n = 41). Le protocole incluait une sequence anatomique en ponderation T1 haute resolution et un tenseur de diffusion. Des volumes et des metriques de diffusion (fraction d’anisotropie, diffusivite moyenne, diffusivite radiale et diffusivite axiale) ont ete extraits de facon automatisee pour differentes regions d’interet corticales et sous-corticales. Un algorithme de type support vector machine lineaire a ete entraine sur la base des differents biomarqueurs extraits sur la cohorte d’apprentissage, puis teste sur la cohorte d’apprentissage et sur la cohorte test. Differentes tâches de classification ont ete testees : sujets sains versus sujets parkinsoniens, MPI versus PSP, MPI versus AMS et PSP versus AMS. Resultats Lorsqu’on compare les donnees de volumetrie et de diffusion entre groupes de sujets, il n’y avait aucune difference significative entre sujets sains et patients atteints de MPI. La PSP et l’AMS se distinguaient de la MPI et des sujets sains par une atteinte du mesencephale dans la PSP, du pont dans l’AMS, et des ganglions de la base (putamen dans les deux maladies, thalamus et pallidum plutot dans la PSP). La PSP et l’AMS differaient entre elles par l’atteinte du tronc cerebral en termes de ratio mesencephale sur pont et de diffusivite dans le pont, et par l’atteinte du thalamus. Les performances de l’algorithme teste avec les donnees volumetriques etaient, selon les tâches de classification, bonnes a excellentes dans la cohorte d’apprentissage (precision equilibree ≥ 0,78), moyennes a excellentes dans la cohorte test (precision equilibree ≥ 0,70). L’ajout des donnees de diffusion a la volumetrie etait globalement associe a une amelioration des performances dans la cohorte d’apprentissage (precision equilibree ≥ 0,82) et a une baisse dans la cohorte test (precision equilibree ≥ 0,60). Cette baisse de performance dans la cohorte test pouvait etre imputee a l’heterogeneite des donnees de diffusion due a un effet machine. Conclusion L’utilisation d’un algorithme de type support vector machine entraine sur des donnees de volumetrie et de diffusion permet de separer les syndromes parkinsoniens avec de bonnes performances, meme en utilisant des donnees heterogenes obtenues sur differents appareils IRM. Ces resultats pourraient etre translates dans un environnement clinique.