Item 2 - La biopsie virtuelle dans les maladies neurodégénératives

• Premièrement, l’utilisation de l’analyse radiomique comme méthode originale d’analyse d’images pour détecter les changements morphologiques précoces induits par la neurodégénérescence. Les fonctionnalités radiomiques regroupent toutes les mesures statistiques pouvant être calculées à partir du signal.
   
• Deuxièmement, l’utilisation de méthodes d’apprentissage automatique pour combiner ces fonctionnalités d’imagerie avec d’autres prédicteurs afin de créer des modèles de médecine personnalisée.
   
• Et enfin, l'investigation des signatures tissulaires potentielles de ces caractéristiques d'imagerie par corrélations anatomo-radiologiques à l'aide de modèles animaux. Les premiers résultats de la méthode ont été obtenus dans le contexte du déclin cognitif post-AVC (1) avec une validation d'étude multicentrique internationale (2).

Les expériences ont montré que certaines caractéristiques radiomiques ont une sensibilité plus élevée que les mesures volumétriques classiques lorsqu'on les compare entre les patients présentant des déficiences cognitives et ceux qui n'en présentent pas. Combinés avec l'âge, le sexe et des scores cognitifs simples, ils prédisaient un déficit cognitif à long terme, tandis que l'étude de la signature tissulaire à l'aide du modèle de rat d'occlusion de l'artère cérébrale moyenne, imitant un accident vasculaire cérébral, montrait de fortes corrélations entre certaines caractéristiques mesurées dans l'hippocampe controlatéral à l'hippocampe. zone ischémique et densité neuronale.
 

Le projet a été soutenu par le prix de l'innovation de l'Université de Lille et une bourse franco-allemande PROCOPE. Un brevet est actuellement en cours et soutenu par INSERM-Transfert par une subvention pour le développement d'une preuve de concept pour faciliter le transfert industriel.

Sur la base de ces résultats, la méthode a été étudiée dans d’autres situations cliniques, principalement dans la maladie de Parkinson (MP) et a montré des résultats très encourageants sur les deux aspects de la maladie, moteur (3) et non moteur (4). Ces résultats ont motivé le lancement d'un projet plus ambitieux visant à étudier les corrélations anatomo-comportementales-radiologiques dans différents modèles de MP (thèse de doctorat de Chirine Katrib, Université de Lille, soutenue par une subvention de l'association caritative nationale France-Parkinson). Les principaux résultats de ce projet mettent en évidence un lien entre les changements de signal capturés par les caractéristiques radiomiques et les changements tissulaires tels que la mort neurale et les agrégations de protéines (Publications en cours de révision).
 

1. Betrouni N, Yasmina M, Bombois S, Pétrault M, Dondaine T, Lachaud C, Laloux C, Mendyk AM, Henon H, Bordet R. Texture Features of Magnetic Resonance Images: an Early Marker of Post-stroke Cognitive Impairment. Transl Stroke Res. 2020 Aug;11(4):643-652.
2. Betrouni N, Jiang J, Duering M, Georgakis MK, Oestreich L, Sachdev PS, O'Sullivan M, Wright P, Lo JW, Bordet R; Stroke and Cognition (STROKOG) Collaboration. Texture Features of Magnetic Resonance Images Predict Poststroke Cognitive Impairment: Validation in a Multicenter Study. Stroke. 2022 ;53(11):3446-3454.
3. Betrouni N, Moreau C, Rolland AS, Carrière N, Chupin M, Kuchcinski G, Lopes R, Viard R, Defebvre L, Devos D. Texture-based markers from structural imaging correlate with motor handicap in Parkinson's disease. Sci Rep. 2021 1;11(1):2724.
4. Betrouni N, Lopes R, Defebvre L, Leentjens AFG, Dujardin K. Texture features of magnetic resonance images: A marker of slight cognitive deficits in Parkinson's disease. Mov Disord. 2020 Mar;35(3):486-494.