Rencontre avec nos chercheurs : April Khademi, Université Ryerson

Les maladies cognitives regroupent de nombreuses maladies complexes. Que ce soit la science du cerveau en soi ou les problèmes relatifs à la qualité de vie qui touche les personnes atteintes et leurs aidants, il faut prendre en compte de nombreuses questions différentes et difficiles.

Il n’est donc pas surprenant qu’il existe un certain nombre de domaines différents de la recherche se concentrant sur ces maladies, du diagnostic, à la thérapie, en passant par le soutien aux aidants. La diversité des problèmes qui accompagne ces maladies signifie que les chercheurs doivent pouvoir ratisser large pour trouver des solutions, comme un médicament efficace pour les traiter.

Alors, que se passerait-il si l’on pouvait leur faciliter la tâche?

C’est là où interviennent mes recherches. En tant que professeure adjointe au Département d’ingénierie électrique, informatique et biomédicale à l’Université Ryerson, je me spécialise dans l’analyse d’images médicales et les technologies d’apprentissage machine. Je gère mon propre laboratoire sur le campus, l’Image Analysis and Medicine Lab (IAMLAB), où nous concevons des algorithmes pour analyser de grandes quantités de données neurologiques et extraire des biomarqueurs quantitatifs. En gros : des signes dans le corps pouvant être mesurés par les scientifiques pour déterminer la possibilité d’une maladie.

Qu’est-ce que ça signifie? Pour simplifier les choses, nous examinons des données. D’énormesquantités de données, y compris des données relatives aux personnes atteintes d’une maladie cognitive. Puis, nous essayons de repérer les tendances qui pourraient être utiles pour d’autres spécialistes des maladies cognitives.

En identifiant des tendances communes, comme les similitudes dans le cerveau de deux personnes au stade précoce de la maladie d’Alzheimer, nous pourrions aider les chercheurs à détecter précocement la maladie, ou à déterminer son cours.

Deux outils m’aident dans ma recherche : l’analyse d’images et l’apprentissage machine.

Analyse d’images

Principalement, l’analyse d’images signifie extraire des données d’une image. C’est la manière de traiter et de quantifier les choses à partir de données brutes. Lorsque vous prenez une photo de vous avec votre téléphone intelligent et qu’il reconnaît votre visage… c’est de l’analyse d’images.

Dans mon laboratoire, nous examinons des images de pathologies (pensez aux cellules que vous pourriez voir sous un microscope en cours de sciences) et de radiologie (comme les radios ou les IRM). (like an x-ray, or an MRI). 

Apprentissage machine

Grâce à l’apprentissage machine, les ordinateurs peuvent apprendre par eux-mêmes. C’est une forme de base d’intelligence artificielle. Cela peut sembler effrayant, mais l’apprentissage machine représente un énorme avantage pour les chercheurs.

Au lieu de prendre le temps d’analyser toutes les données nous-mêmes, nous pouvons programmer les ordinateurs pour qu’ils suivent des algorithmes; une sorte de liste de problèmes à résoudre pour faire le travail de manière autonome.

C’est un raccourci pour trouver les résultats, car l’apprentissage machine fournit un moyen plus rapide et plus efficace d’analyser ces énormes quantités de données.

Pour résumer tout ça, nous utilisons l’analyse d’images pour mesurer des biomarqueurs à partir de données; puis, nous utilisons l’apprentissage machine pour analyser des tendances et extraire celles qui peuvent nous révéler des renseignements intéressants au sujet des maladies cognitives.

Alors si vous ou une personne que vous connaissez êtes atteints d’une maladie cognitive, comment ces recherches sont-elles utiles pour vous?

Songez à un chercheur ou à une entreprise pharmaceutique qui souhaite organiser un essai clinique pour tester un nouveau médicament contre une maladie cognitive. L’un des plus gros problèmes auxquels ils doivent faire face est de trouver des volontaires souhaitant participer à l’essai. Ils rechercheront un groupe de personnes très particulier atteintes d’un type de maladie cognitive à un certain stade — des troubles cognitifs légers précoces, à la maladie d’Alzheimer.

Avec les outils mis au point grâce à mes études, nous serions capables d’identifier les caractéristiques particulières de chaque maladie et de regrouper automatiquement les volontaires atteints de la même maladie (et au même stade). Cela signifie des essais cliniques plus solides et optimisés qui entraîneraient de meilleurs traitements contre les maladies cognitives.

En facilitant la tâche des chercheurs, avec un eu de chance, nous pourrons résoudre quelques-uns des défis auxquels font face les personnes atteintes d’une maladie cognitive et nous rapprocher de la découverte d’un remède.