Après un AVC : Cerveau plus vieux, pronostic malheureux ?
En s’appuyant sur une cohorte internationale de 4163 patients victimes d’AVC et en employant des techniques innovantes issues de l’intelligence artificielle et de l’analyse de texture, appelée radiomique (radiomics en VO), les auteurs ont prédit l’âge cérébral à partir de la texture du cerveau des patients en T2 FLAIR.
Ils ont ensuite dérivé un biomarqueur de santé cérébrale, l’âge cérébral relatif, permettant de déterminer si le cerveau avait l’air plus âgé que celui d’autres patients du même âge chronologique.
Plus les patients avaient un cerveau « âgé » plus ils avaient de facteurs de risques cardiovasculaires, démontrant l’interconnexion de la santé cardiovasculaire et de la santé cérébrale.
De plus, avoir un cerveau « plus âgé » était associé de manière indépendante avec un plus mauvais pronostic après l’AVC, venant confirmer une intuition clinique séculaire.
Ce travail montre le potentiel des analyses radiomiques en IRM et ouvre la voie à de nombreuses autres applications dans les pathologies où la santé cérébrale a un rôle pronostic central.
Référence de l’article :
Bretzner M, Bonkhoff AK, Schirmer MD, et al (2022) Radiomics-Derived Brain Age Predicts Functional Outcome After Acute Ischemic Stroke. Neurology 10.1212/WNL.0000000000201596. https://doi.org/10.1212/WNL.0000000000201596
Références complémentaires (pour aller plus loin)
Franke K, Gaser C (2019) Ten Years of BrainAGE as a Neuroimaging Biomarker of Brain Aging: What Insights Have We Gained? Front Neurol 10:789. https://doi.org/10.3389/fneur.2019.00789
Ning K, Zhao L, Matloff W, et al (2020) Association of relative brain age with tobacco smoking, alcohol consumption, and genetic variants. Sci Rep 10:10. https://doi.org/10.1038/s41598-019-56089-4
de Lange A-MG, Anatürk M, Suri S, et al (2020) Multimodal brain-age prediction and cardiovascular risk: The Whitehall II MRI sub-study. Neuroimage 222:117292. https://doi.org/10.1016/j.neuroimage.2020.117292
Lecler A, Duron L, Balvay D, et al (2019) Combining Multiple Magnetic Resonance Imaging Sequences Provides Independent Reproducible Radiomics Features. Sci Rep 9:2068. https://doi.org/10.1038/s41598-018-37984-8
Duron L, Balvay D, Vande Perre S, et al (2019) Gray-level discretization impacts reproducible MRI radiomics texture features. PLoS One 14:e0213459. https://doi.org/10.1371/journal.pone.0213459