La DreMahsa Dadar de l’Université McGill, en collaboration avec le Dr Sanjay Kalra de l’université de l’Alberta, a reçu une bourse de 125 000 $.
Certaines études d’imagerie précédentes ont révélé des changements dans des régions spécifiques du cerveau chez les personnes atteintes de SLA. Néanmoins, l’ampleur et la localisation de ces changements peuvent varier considérablement d’une personne à l’autre. Cela a conduit les chercheurs à se demander si la variabilité des schémas d’atrophie cérébrale est liée à la diversité des symptômes souvent observés chez les personnes atteintes de SLA, tels que l’âge d’apparition, la durée de la maladie, les changements cognitifs, etc. Si un tel lien existe, la mesure de ces changements cérébraux pourrait constituer un moyen non invasif pour les professionnels de la santé de suivre plus précisément la progression de la maladie et peut-être même de prédire les symptômes cliniques futurs et les résultats en termes de survie.
La morphométrie basée sur la déformation est une méthode fiable pour mesurer les changements dans diverses régions du cerveau à l’aide de l’imagerie par résonance magnétique (IRM). L’équipe a déjà démontré le potentiel de la morphométrie basée sur la déformation en tant que biomarqueur de la SLA dans un petit groupe de personnes atteintes de la maladie. Cette bourse leur permettra de profiter d’un ensemble de données plus complet recueilli dans le cadre d’initiatives nationales, telles que le Consortium canadien de neuroimagerie de la SLA (CALSNIC pour ses sigles en anglais) et CAPTURE (Comprehensive Analysis Platform To Understand, Remedy, and Eliminate) SLA, afin d’explorer la relation entre les mesures de la morphométrie basée sur la déformation et les symptômes cliniques.
En utilisant l’intelligence artificielle, la Dre Dadar vise à découvrir des tendances complexes dans les données qui, autrement, n’auraient pas pu être détectées par des méthodes individuelles. Cette approche multidimensionnelle peut permettre de mieux comprendre les mécanismes à l’origine de la progression de la maladie, de la survie et des symptômes cliniques. L’objectif de cette étude est de développer des biomarqueurs non invasifs de la SLA basés sur l’IRM et des modèles prédictifs qui pourraient modifier la manière dont les professionnels de la santé surveillent et suivent la maladie. À terme, ces résultats contribueront à une meilleure compréhension de la SLA et à l’amélioration de notre capacité à la gérer efficacement.