Cette équipe de l’Université d'État de Géorgie montre qu’il est possible de détecter, de manière très précoce la forme d'épilepsie la plus répandue chez les enfants grâce à une technique « d’apprentissage en profondeur », un outil basé sur l’intelligence artificielle.
L’épilepsie partielle infantile bénigne à pointes centro-temporales (EIBPR) est l'une des formes d’épilepsie les plus fréquentes représentant 15 à 25% des syndromes d'épilepsie pédiatriques. L’EIBPR touche principalement les enfants âgés de 4 à 13 ans. La plupart de ces jeunes patients voient leur épilepsie se « résorber » par elle-même à l’adolescence, cependant, durant l’enfance, la maladie peut entraîner un dysfonctionnement verbal, un déficit de l'attention et une altération du langage. C’est en fait le cas chez 18 à 25% des patients.
De précédentes études ont montré que le traitement médicamenteux pouvait améliorer les compétences linguistiques et normaliser ces pointes centro-temporales aux tests d'électroencéphalographe (EEG). D’autres études ont montré que l’imagerie par résonance magnétique (IRM) et l’imagerie par résonance magnétique fonctionnelle (IRMf) sont prometteuses pour différencier les patients avec EIBPR des patients en bonne santé, mais ces techniques d’imagerie reposent principalement sur les connaissances et les capacités de diagnostic du médecin. De plus leur précision n’est pas satisfaisante. Peu d'études se sont concentrées sur le développement de méthodes d'apprentissage automatique capables de détecter l’EIBPR.
Ces travaux décrivent une nouvelle méthode de détection « intelligente » basée sur la combinaison de 3 types différents de données d'imagerie cérébrale, soit au total, 51 caractéristiques cérébrales associées à la maladie obtenues via IRM et IRMf. Les chercheurs analysent ces données d'imagerie via 3 méthodes d'apprentissage automatique différentes puis combinent les données obtenues pour déterminer si un patient est atteint d’EIBPR. Ils suggèrent que cette combinaison de données provenant de plusieurs perspectives et techniques d’imagerie améliore considérablement le diagnostic de cette forme d'épilepsie courante chez les enfants.
La preuve est ici apportée via l’application de la technologie sur les données provenant de l'hôpital West China (Chengdu – Chine) de 40 jeunes patients déjà diagnostiqués avec EIBRP et 40 témoins appariés. L'algorithme confirme sa capacité à détecter cette forme d’épilepsie bénigne avec pics centro-temporaux.
Bien évidemment, cette possibilité de détection précoce permet un traitement précoce et donc une meilleure santé et une meilleure qualité de vie pour ces enfants.
Source: IET Computer Vision Nov, 2018 Multi-view Learning for Benign Epilepsy with CentroTemporal Spikes
Plus sur l’Epilepsie sur Neuro Blog
