Site Web PrécliniqueSite Web Clinique

Imagerie de la maladie d'Alzheimer pour les essais cliniques

Volume de l'hippocampe, volume du ventricule, épaisseur corticale, TEP amyloïde, TEP Tau, TEP FDG, IRM ASL, IRMf et DTI pour les essais cliniques sur la maladie d'Alzheimer.

Imagerie de la maladie d'Alzheimer dans les essais cliniques Vue d'ensemble

L'imagerie multimodale est largement utilisée dans les essais cliniques de phase précoce et tardive de la maladie d'Alzheimer (MA). Les principales utilisations de l'imagerie sont les suivantes :

  • IRM
    • Lectures d'éligibilité
    • Lectures de sécurité, y compris ARIA-E et ARIA-H
    • Mesures quantitatives des critères d'efficacité  (par exemple, IRMvolumétrique )

  • TEP
    • Éligibilité et enrichissement de la population étudiée
    • Mesures quantitatives des critères d'évaluation de l'efficacité (par exemple, SUVR , étendue du cerveau)

L'utilisation efficace de la neuro-imagerie dans les essais cliniques sur la maladie d'Alzheimer nécessite la combinaison harmonieuse d'opérations d'étude rigoureuses, de lectures radiologiques avec un suivi de données fiable et de logiciels de traitement et d'analyse d'images validés et à la pointe de la technologie pour obtenir des mesures quantitatives à partir d'images de haute qualité.

Biomarqueurs d'imagerie pour la maladie d'Alzheimer

    • IRM volumétrique (volumes régionaux et épaisseur corticale)
    • TEP amyloïde
    • Tau TEP
    • FDG TEP
    • IRM de perfusion ASL
    • iRMf (état de repos et en fonction de la tâche)
    • Imagerie par diffusion(par exemple, DTI, NODDI, imagerie de l'eau libre)
IRM volumétrique
TEP amyloïde
Tau PET
FDG PET
ASL IRM
iRMf
IRM de diffusion
1/7
pause

Points forts de nos recherches sur l'imagerie de la maladie d'Alzheimer

Taux d'échec de segmentation d'hippocampes en utilisant différentes méthodes de segmentation

Taux d'échec de segmentation de l'hippocam pe(HC, région rouge rendue en 3D )à l'aide des méthodes de segmentation PIANO™, HippoDeep et FreeSurfer.Les HC gauche et droit représentent le cas où la segmentation des deux côtés échoue simultanément dans le même ensemble de données

Apprentissage profond pour une segmentation robuste de l'hippocampe sur des images IRM

Les modèles d'apprentissage profond, en particulier les réseaux de neurones convolutifs (CNN), ont révolutionné le traitement des images biomédicales en imitant le processus d'identification des caractéristiques du cerveau humain .Les architectures U-Net, avec leurs structures encodeur-décodeur, ont fait progresser les applications de neuroimagerie ,y compris la segmentation des régions d'intérêt (ROI ),en s'entraînant efficacement sur des ensembles de données plus petits augmentés de déformations réalistes (Kruger et al., 2013; Lindsay, 2021 ; Ronneberger et al., 2015)

Nostravaux se concentrent sur la segmentation de l'hippocampe, une tâche difficile en raison de la variabilité de cette région, en particulier dans la maladie d'Alzheimer (MA). À l'aide d'un ensemble de données d'IRM sélectionnées, nous avons entraîné un modèle U-Net avec des données étiquetées, enrichies par un contrôle qualité et des données d'entraînement augmentées. Cette méthode améliore la précision de la segmentation dans les cas difficiles, tels que l'atrophie de l'hippocampe, où les modèles précédents ont échoué (Thyreau et al., 2018)

Notremodèle d'apprentissage profond surpasse les méthodes existantes, telles que FreeSurfer et HippoDeep, en atteignant un taux d'échec de qualité inférieur à 2 % pour chaque hémisphère et &lt ; 0,4 % pour les deux hémisphères sans corrections manuelles. Cette réduction substantielle du taux d'échec du contrôle qualité a un impact direct sur les coûts des essais cliniques, car le taux d'échec du traitement des données plus faible permet de réduire potentiellement la taille des échantillons des essais. Cette segmentation de l'hippocampe par apprentissage profond a été appliquée à un ensemble de données FTD illustrant les changements précoces rapides au sein de l'hippocampe

En résumé, notre modèle d'apprentissage profond de segmentation de l'hippocampe offre une alternative reproductible et sans biais aux méthodes traditionnelles, répondant aux défis de la neuro-imagerie avec des implications pour des tâches de segmentation plus larges en matière de retour sur investissement.

Images TEP Tau et B-amyloïde

La neurodégénérescence dans la MA est principalement due à la protéine tau, et non à la protéine bêta-amyloïde

Il est de plus en plus reconnu que la neurodégénérescence dans la maladie d'Alzheimer (MA) est principalement due à la pathologie tau, plutôt qu'au dépôt d'amyloïde-β (Aβ). Si les plaques amyloïdes-β ont toujours été considérées comme la marque distinctive de la MA (Gouras, 2015), leur présence n'est pas fortement corrélée à la gravité de la maladie ou à la perte neuronale (Gulisano, 2018). Au contraire, l'accumulation de protéine tau hyperphosphorylée dans les enchevêtrements neurofibrillaires est plus étroitement liée aux schémas de lésions neuronales, de déclin cognitif et de progression de la maladie (Liu, 2020 ; Moore, 2023). La pathologie tau se propage de manière régionale, commençant souvent dans le cortex entorhinal et l'hippocampe avant de progresser vers d'autres régions corticales, en phase avec la progression des symptômes cliniques (Vogels, 2020). Dans nos études, les modèles de propagation et l'analyse de corrélation avec l'épaisseur corticale comme mesure de la neurodégénérescence soutiennent fortement le rôle de la protéine tau dans la neurodégénérescence. ​

Pour étayer davantage cet argument, les stratégies thérapeutiques qui ciblent la protéine tau, telles que les inhibiteurs de l'agrégation de la protéine tau,les anticorps anti-tau et les kinases de la protéine tau, se sont révélées prometteuses lors des essais précliniques et des premiers essais cliniques (Congdon, 2023).

Image brute de PET harmonisée à la résolution cible commune prédéfinie via un noyau de lissage calculé

Harmonisation de la résolution spatiale des images TEP dans les essais cliniques sans fantôme

SPITFIRE™ de Biospective est une méthode informatique innovante conçue pour harmoniser les images de tomographie par émission de positons (TEP) cérébrale dans le cadre d'études multicentriques (Carbonell, 2024). Les approches traditionnelles s'appuient souvent sur les données fantômes de Hoffman pour estimer la résolution spatiale (Joshi, 2009 ; Harrison, 2020), ce qui peut être limitant en raison de l'indisponibilité des images fantômes et des résultats potentiellement sous-optimaux (Ruwanpathirana, 2024). SPITFIRE™ relève ces défis en estimant la résolution spatiale directement à partir des images TEP elles-mêmes, éliminant ainsi le besoin de données fantômes de substitution. Cette méthode généralise la technique des tracés logarithmiques d'intensité aux trois dimensions, permettant une estimation précise de la résolution spatiale dans les directions axiale et dans le plan. Lorsqu'elle a été appliquée à diverses cohortes, y compris différents traceurs TEP et modèles de scanner, la méthode SPITFIRE™ a permis d'obtenir des estimations de résolution spatiale cohérentes et fiables, avec une variabilité minimale entre les sujets utilisant les mêmes modèles de scanner et paramètres de reconstruction. Cette approche permet non seulement d'améliorer l'harmonisation des images TEP entre lesdifférents centres, mais aussi de fournir un cadre polyvalent applicable à un large éventail de traceurs et de modalités d'imagerie, telles que la TEMP.

Apprenez-en davantage sur l'utilisation de la neuro-imagerie dans les essais cliniques sur la maladie d'Alzheimer et sur nos biomarqueurs d'imagerie.

FAQ

Pourquoi l'imagerie de l'amyloïde et de la protéine tau est-elle importante dans les essais cliniques sur la maladie d'Alzheimer ?


Quels types de modalités d'imagerie Biospective a-t-elle utilisés dans les essais cliniques sur la maladie d'Alzheimer?


Quels types d'imagerie sont utiles pour démontrer les effets des thérapies modificatrices de la maladie d'Alzheimer ?


Quels sont les avantages de l'utilisation de l'atrophie de l'hippocampe comme biomarqueur dans les essais thérapeutiques sur la maladie d'Alzheimer ?


Comment le volume intracrânien total (VIT) est-il mesuré et pourquoi est-il important dans les études d'imagerie ? Dans quelle mesure le VIT est-il stable dans le temps et pourquoi est-ce important ? Pourquoi la correction du VIT est-elle nécessaire pour mesurer le volume du cerveau dans les études d'imagerie ?


Est-il nécessaire d'effectuer des scans fantômes pour les images TEP, et quelles sont les alternatives disponibles pour améliorer l'efficacité opérationnelle ?


Références


Mots-clés


Contenu associé

Informations actualisées sur l'imagerie de la maladie d'Alzheimer et les meilleures pratiques liées à l'évaluation des agents thérapeutiques dans les essais cliniques sur la maladie d'Alzheimer.

Plus d'informations

Faites-nous savoir ce qui vous intéresse. Notre équipe se fera un plaisir d'en discuter avec vous !

Envoyez-nous un courriel à [email protected] ou remplissez le formulaire ci-dessous.

Nom*
Courriel*
Numéro de téléphone*
Affiliation (Entreprise/Université)*
Votre message*

La sécurité de vos données privées est importante pour nous. Nous protégerons votre information comme indiqué dans notre Avis de confidentialité.

J'accepte les termes de l'avis de confidentialité*

Nous utilisons les cookies nécessaires pour faire fonctionner notre site. Nous utilisons également d'autres cookies pour nous aider à apporter des améliorations en mesurant votre utilisation du site ou à des fins de marketing. Vous avez le choix de les accepter ou de les rejeter tous. Pour des informations plus détaillées sur les cookies que nous utilisons, consultez notre Avis de confidentialité.