L'analyse de près de 50 000 scintigraphies cérébrales a révélé cinq types différents d'atrophie cérébrale liés au vieillissement et aux maladies neurodégénératives. L'analyse a également lié ces tendances à des facteurs liés au mode de vie tels que le tabagisme et la consommation d'alcool, ainsi qu'à des marqueurs génétiques et sanguins associés à l'état de santé et au risque de maladie.

Ce travail est un "chef-d'œuvre méthodologique" qui pourrait faire progresser considérablement la compréhension des chercheurs sur le vieillissement, déclare Andrei Irimia, gérontologue à l'Université de Californie du Sud à Los Angeles, qui n'a pas participé aux travaux. "Avant cette étude, nous savions que l'anatomie du cerveau change avec le vieillissement et la maladie. Mais notre capacité à capturer cette interaction complexe était bien plus modeste."

L'étude a été menée le 15 août àMédecine naturellepublié.

Rides dans le cerveau

Le vieillissement peut non seulement provoquer des cheveux gris, mais également des modifications de l’anatomie cérébrale visibles sur les images d’imagerie par résonance magnétique, certaines zones rétrécissant ou subissant des changements structurels au fil du temps. Ces transformations sont toutefois subtiles. "L'œil humain est incapable de percevoir les schémas de changements cérébraux systématiques" associés à cette dégradation, explique Christos Davatzikos, spécialiste de l'imagerie biomédicale à l'Université de Pennsylvanie à Philadelphie et auteur de l'article.

Des études antérieures ont montré que l’apprentissage automatique peut extraire les empreintes digitales subtiles du vieillissement à partir des données IRM. Cependant, ces études avaient souvent une portée limitée et incluaient généralement des données provenant d'un nombre relativement restreint de personnes.

Pour identifier des tendances plus larges, l'équipe de Davatzikos a lancé une étude qui a pris environ huit ans pour être achevée et publiée. Ils ont utilisé une méthode d'apprentissage en profondeur appelée Surreal-GAN, qui a été développée par le premier auteur Zhijian Yang alors qu'il était étudiant dans le laboratoire de Davatzikos. Les scientifiques ont formé l’algorithme à l’aide d’IRM cérébrales de 1 150 personnes en bonne santé âgées de 20 à 49 ans et de 8 992 personnes âgées, dont beaucoup souffrent de déficiences cognitives. Cela a appris à l’algorithme à reconnaître les caractéristiques récurrentes du vieillissement cérébral, ce qui lui a permis de construire un modèle interne de structures anatomiques qui changent simultanément, par opposition à celles qui ont tendance à changer indépendamment.

Les chercheurs ont ensuite appliqué le modèle résultant aux examens IRM de près de 50 000 personnes participant à diverses études sur le vieillissement et la santé neurologique. Cette analyse a fourni cinq modèles discrets d'atrophie cérébrale. Les scientifiques ont associé différents types de dégénérescence cérébrale liée à l'âge à des combinaisons de cinq modèles, bien qu'il existe certaines différences entre les personnes atteintes de la même maladie.

Modèles de vieillissement

Par exemple, la démence et son précurseur, la déficience cognitive légère, étaient liés à trois des cinq modèles. Il est intéressant de noter que les chercheurs ont également découvert que les modèles qu’ils ont identifiés pourraient potentiellement être utilisés pour révéler la probabilité d’une nouvelle dégénérescence cérébrale à l’avenir. "Si vous voulez prédire la transition d'un état cognitif normal à un déficit cognitif léger, une chose était la plus prémonitoire", explique Davatzikos. "Dans les étapes ultérieures, l'ajout d'un deuxième [motif] enrichit votre prédiction, ce qui est logique car cela capture la propagation de la pathologie." D'autres modèles étaient associés à des maladies telles que la maladie de Parkinson et la maladie d'Alzheimer, ainsi qu'à une combinaison de trois modèles fortement prédictifs de mortalité.

Les auteurs ont découvert des liens évidents entre des modèles spécifiques d'atrophie cérébrale et divers facteurs physiologiques et environnementaux, notamment la consommation d'alcool et le tabagisme, ainsi que diverses signatures génétiques et biochimiques associées à la santé. Davatzikos affirme que ces résultats reflètent probablement l'impact du bien-être physique général sur la santé neurologique, car les dommages causés à d'autres systèmes organiques peuvent avoir des conséquences sur le cerveau.

Cependant, Davatzikos prévient que l'étude « ne signifie pas que tout peut être réduit à cinq chiffres » et que son équipe a l'intention de travailler avec des ensembles de données incluant un plus large éventail de maladies neurologiques et présentant une plus grande diversité ethnique et culturelle.