Une nouvelle technique d'imagerie cérébrale aide à diagnostiquer la maladie de Parkinson
Une nouvelle étude laisse espérer qu’une technique d’imagerie cérébrale améliorera le diagnostic des millions de personnes atteintes de troubles du mouvement tels que la maladie de Parkinson.
Des chercheurs de l'Université de Floride pensent qu'une technique d'imagerie par tenseur de diffusion pourrait permettre aux cliniciens d'évaluer les personnes plus tôt que possible aujourd'hui, ce qui conduirait à de meilleures interventions thérapeutiques et thérapies pour les patients.
L'étude de trois ans a porté sur 72 patients, chacun avec un diagnostic de trouble du mouvement défini cliniquement. La nouvelle technique a permis aux chercheurs de séparer avec succès les patients en groupes de troubles avec un degré élevé de précision.
La recherche sera publiée dans la revue Troubles du mouvement.
«Le but de cette étude est d’identifier des marqueurs dans le cerveau qui différencient les troubles du mouvement qui ont des symptômes cliniques qui se chevauchent, ce qui rend [les troubles] difficiles à distinguer», a déclaré David Vaillancourt, professeur associé et chercheur principal de l’étude.
«Aucune autre imagerie, liquide céphalo-rachidien ou marqueur sanguin n'a réussi à différencier ces troubles», a-t-il déclaré. «Les résultats sont très prometteurs.»
Les troubles du mouvement tels que la maladie de Parkinson, les tremblements essentiels, l'atrophie multisystémique et la paralysie supranucléaire progressive présentent des symptômes similaires aux premiers stades, ce qui peut rendre difficile l'attribution d'un diagnostic spécifique.
Vaillancourt a déclaré que souvent le diagnostic initial change à mesure que la maladie progresse.
L'imagerie par tenseur de diffusion, connue sous le nom de DTI, est une méthode non invasive qui examine la diffusion des molécules d'eau dans le cerveau. Il peut identifier les zones clés qui ont été affectées à la suite de lésions de la matière grise et de la substance blanche dans le cerveau.
Vaillancourt et son équipe ont mesuré les zones des noyaux gris centraux et du cervelet chez les individus et ont utilisé une approche statistique pour prédire la classification des groupes.
En posant différentes questions dans les données et en comparant différents groupes les uns aux autres, ils ont pu montrer une séparation distincte entre les troubles.
«Notre objectif était d'utiliser ces mesures pour prédire avec précision la classification initiale de la maladie», a déclaré Vaillancourt, «l'idée étant que si un nouveau patient venait avec un diagnostic inconnu, vous pourriez être en mesure d'appliquer cet algorithme à cet individu.»
Il a comparé le processus à un test de cholestérol.
«Si vous avez un taux de cholestérol élevé, cela augmente vos chances de développer une maladie cardiaque à l'avenir», dit-il.
«Il existe des tests comme ceux qui donnent un scénario de probabilité ou de probabilité d'un groupe de maladies particulier. Nous allons plus loin et essayons d'utiliser les informations pour prédire la classification des tremblements spécifiques et des maladies parkinsoniennes. "
Source: Université de Floride
