M4LPB – Multi-Modal MRI & Machine Learning for Parkinson’s Biomarkers

IRM multimodale et apprentissage automatique pour les biomarqueurs de la maladie de Parkinson

La neuro-imagerie, notamment l’IRM, est un outil clé pour mieux comprendre la nature et la progression des maladies neurologiques et neurodégénératives à cause du développement de biomarqueurs de neuroimagerie. Ces biomarqueurs prédisent la présence d’une maladie sous-jacente ou la gravité de ses symptômes à partir des mesures particulières effectuées sur les images neurologiques.

L’apprentissage automatique a récemment résulté d’une augmentation considérable de leur capacité de prédiction, mais au détriment de leur intelligibilité qui limite leur valeur scientifique.

L’objectif de ce projet est d’étendre nos travaux précédents sur l’explicabilité de biomarqueurs du tenseur de diffusion (DTI) de la maladie de Parkinson aux biomarqueurs d’images multimodales.

Ces images utilisent plusieurs diverses séquences d’IRM qui démontrent des paramètres anatomiques comme la composition tissulaire et la présence de fer.

L’objectif de ce projet est d’ utiliser l’apprentissage automatique pour montrer comment ces paramètres anatomiques interagissent de manière non-linéaire et distribuée dans le mésencéphale inférieur, développant ainsi des biomarqueurs plus nuancés (mais toujours explicables) et spécifiques au patient pour la maladie de Parkinson et sa progression.