06 septembre 2011

Multivariate searchlight classification: Distinct features of autistic brain revealed in MRI scans

Traduction: G.M.

Classification Searchlight multivariée: des caractéristiques distinctes du cerveau autiste révélées dans les examens par IRM

Les chercheurs ont analysé les
données de scanner cérébral pour distinguer les enfants autistes des enfants au développement non autistique. Leur découverte révèle que la matière grise dans un réseau de régions cérébrales connues pour affecter la communication sociale et les pensées sur soi liées a une organisation distincte chez les personnes avec autisme.

Les diagnostics d'autisme sont fondés des observations et des tests , mais les chercheurs ont tenté d'identifier les caractéristiques anatomiques dans le cerveau qui aideraient à déterminer si une personne est autiste.

L'autisme touche environ un enfant sur 110 et est une maladie invalidante qui altère le développement des compétences linguistiques d'un enfant, les interactions sociales et la capacité de sentir comment on est perçu par les autres. Le scanner cérébral ne peut pas remplacer les méthodes traditionnelles de diagnostic de l'autisme, qui s'appuient sur des évaluations comportementales, mais il peut éventuellement aider au diagnostic chez les bambins.

L'étude a comparé des données d'IRM de 24 enfants autistes âgés de 8 à 18 ans avec des données de numérisation de 24 enfants
au développement non autistique et appariés selon l'âge. Les données ont été recueillies à l'Université de Pittsburgh.

"Les nouveaux résultats donnent une vue unique et complète de l'organisation du cerveau chez les enfants atteints d'autisme et dévoile une relation entre la sévérité des différences de la structure cérébrale des différences et la sévérité des symptômes de l'autisme», a déclaré Vinod Menon, Ph.D., professeur de psychiatrie et sciences comportementales, de la neurologie et de sciences neurologiques, qui a dirigé la recherche.

"Nous sommes proches d'être en mesure d'utiliser l'imagerie cérébrale des technologies pour aider dans le diagnostic et le traitement des personnes atteintes d'autisme», a déclaré le pédopsychiatre Antonio Hardan, MD, qui est
professeur agrégé de psychiatrie et de sciences du comportement à Stanford, un des autres auteurs de l'étude. Antonio Hardan traite les patients souffrant d'autisme à Packard Children's.

La méthode d'analyse, appelée «multivariate searchlight classification," divise le cerveau avec une grille tridimensionnelle, et examine
ensuite un cube du cerveau à un moment, afin d'identifer les régions dans lesquelles le motif du volume de matière grise pourrait être utilisé pour discriminer entre les enfants qui se développent avec autisme des enfants qui se développent sans autisme.

Au lieu de comparer la taille des structures cérébrales individuelles, comme l'ont fait les études antérieures, la nouvelle analyse génére quelque chose qui s'apparente à une carte topographique du cerveau entier. Les scientifiques ont cartographié l'essentiel des falaises et vallées distinctes du cerveau autiste pour découvrir de subtiles différences dans l'organisation physique de la matière grise.

Une telle analyse peut être une approche plus utile que les précédentes. Des études antérieures, par exemple, ont suggéré que les personnes atteintes d'autisme peuvent avoir un cerveau plus volumineux dans la petite enfance ou ont un grand défaut dans une structure du cerveau. Cette étude a pris une approche différente et a découvert plusieurs
différences associées à l'autisme dans le Default Mode Network, un ensemble de structures cérébrales importantes pour la communication sociale et les pensées auto-centrées. Des structures spécifiques qui diffèrent notamment dans le cortex cingulaire postérieur, le cortex préfrontal médian et les lobes temporal médial. Ces résultats cadrent bien avec les récentes études théoriques et d'IRM fonctionnelle du cerveau des personnes autistes, qui soulignent également les différences dans le Default Mode Network, selon Menon.

Une fois que Menon et son équipe ont trouvé là où les différences dans les cerveaux autistes étaient situées, ils ont pu utiliser leur analyse pour classer les enfants dans l'étude selon l'autisme. Ils ont utilisé un sous-ensemble de leurs données pour «former» l'algorithme mathématique, puis ils ont passé les scanner cérébraux des enfants restants ,
à l'algorithme pour les classer.

«Nous pourrions distinguer un développement normal et les enfants autistes avec 92 pour cent de précision sur la base du volume de matière grise dans le cortex cingulaire postérieur", a déclaré Lucina Uddin, Ph.D., premier auteur de l'étude. Uddin est un instructeur en psychiatrie et en sciences comportementales à Stanford.

En outre, les enfants avec des déficits de communication le plus sévère, telle que mesurée sur une échelle standard de comportement pour le diagnostic des personnes atteintes d'autisme, avaient les plus grandes différences de structure cérébrales. Les déficiences graves dans le comportement social et les comportements répétitifs ont également montré une tendance vers une association avec des différences cérébrales plus sévères.

Menon et son équipe ont l'intention de répéter l'étude chez les jeunes enfants et de l'étendre à de plus grands groupes de sujets. Si les résultats sont respectés, la nouvelle méthode offre la possibilité de plusieurs applications dans le diagnostic d'autisme et de traitement. Par exemple, les scanners du cerveau pourrait éventuellement aider à distinguer l'autisme des autres troubles du comportement comme le trouble d'hyperactivité avec déficit de l'attention, ou peut prédire si les enfants à haut risque, comme ceux avec la fratrie autiste, vont développer l'autisme eux-mêmes. L'imagerie cérébrale pourrait également être en mesure de prédire quel type de déficits se produira chez un enfant avec un diagnostic d'autisme, permettant aux cliniciens de cibler leurs traitements aux déficits prédits de l'enfant.

"Les scans seraient probablement utilisés aux côtés de l'expertise clinique, ce qui donne ce soupçon supplémentaire à partir des données du cerveau", a déclaré Uddin.

Lorsque ces évaluations intégrées sont possibles, les chercheurs espèrent qu'elles permettront aux cliniciens de créer des profils détaillés de chaque patient. "Nous espérons que nous finirons par être en mesure de dire aux parents:« Votre enfant va probablement répondre à ce traitement, ou votre enfant est peu susceptible de répondre à ce traitement, "a déclaré Hardan. "Dans mon esprit, c'est l'avenir."

Aucun commentaire: