Un système de CAO personnalisé pour le diagnostic de l'autisme utilisant une fusion de données d'IRM fonctionnelle et d'IRM fonctionnelle à l'état de repos

Aperçu: G.M.

Le "trouble du spectre de l'autisme" est un trouble neuro-développemental qui affecte les capacités sociales des patients. Pourtant, l'étalon-or du diagnostic de l'autisme est le calendrier d'observation du diagnostic de l'autisme (ADOS). Dans cette étude, nous mettons en place un système de diagnostic assisté par ordinateur utilisant l'IRM structurelle (IRMf) et l'IRM fonctionnelle à l'état de repos (IRMf) pour démontrer que les anomalies anatomiques et les anomalies de connectivité fonctionnelle ont une capacité de prédiction de l'autisme élevée. 

Le système proposé étudie comment les métriques de connectivité anatomique et fonctionnelle permettent de diagnostiquer de manière globale si le sujet est autiste ou non et si elles sont corrélées aux scores ADOS. Le système fournit un rapport personnalisé par sujet pour montrer quelles zones sont les plus touchées par une déficience liée à l'autisme. 

Notre système a atteint une précision de 75% avec les données IRMf uniquement, de 79% avec les données IRM seulement et de 81% en fusionnant les deux. Un tel système constitue un pas en avant important vers la délimitation des circuits neuronaux responsables du diagnostic de l'autisme et peut donc offrir de meilleures options aux médecins pour la conception de plans de traitement personnalisés.

Cliquer ICI pour accéder à l'intégralité de l'article en anglais

Front Psychiatry. 2019 Jul 4;10:392. doi: 10.3389/fpsyt.2019.00392. eCollection 2019.

A Personalized Autism Diagnosis CAD System Using a Fusion of Structural MRI and Resting-State Functional MRI Data

Dekhil O¹, Ali M¹, El-Nakieb Y¹, Shalaby A¹, Soliman A¹, Switala A¹, Mahmoud A¹, Ghazal M^1,2, Hajjdiab H², Casanova MF³, Elmaghraby A⁴, Keynton R⁵, El-Baz A¹, Barnes G⁶.

Author information

1

Bioimaging Lab, Bioengineering Department, University of Louisville, Louisville, KY, United States.

2

Department of Electrical and Computer Engineering, Abu Dhabi University, Abu Dhabi, United Arab Emirates.

3

Department of Biomedical Sciences, University of South Carolina, Greenville, SC, United States.

4

Computer Engineering and Computer Science Department, University of Louisville, Louisville, KY, United States.

5

Bioengineering Department, University of Louisville, Louisville, KY, United States.

6

Department of Neurology, University of Louisville, Louisville, KY, United States.

Abstract

Autism spectrum disorder is a neuro-developmental disorder that affects the social abilities of the patients. Yet, the gold standard of autism diagnosis is the autism diagnostic observation schedule (ADOS). In this study, we are implementing a computer-aided diagnosis system that utilizes structural MRI (sMRI) and resting-state functional MRI (fMRI) to demonstrate that both anatomical abnormalities and functional connectivity abnormalities have high prediction ability of autism. The proposed system studies how the anatomical and functional connectivity metrics provide an overall diagnosis of whether the subject is autistic or not and are correlated with ADOS scores. The system provides a personalized report per subject to show what areas are more affected by autism-related impairment. Our system achieved accuracies of 75% when using fMRI data only, 79% when using sMRI data only, and 81% when fusing both together. Such a system achieves an important next step towards delineating the neurocircuits responsible for the autism diagnosis and hence may provide better options for physicians in devising personalized treatment plans.

PMID:31333507

PMCID:PMC6620533

DOI:10.3389/fpsyt.2019.00392