Médecine

Paramédical

Autres domaines


S'abonner

Radiological classification of dementia from anatomical MRI assisted by machine learning-derived maps - 12/05/20

Doi : 10.1016/j.neurad.2020.04.004 
Pierre Chagué, MD 1, 2, 3, Béatrice Marro, MD 1, Sarah Fadili, MD 1, Marion Houot, MSc 2, Alexandre Morin, MD 2, 5, Jorge Samper-González 2, 3, Paul Beunon 1, Lionel Arrivé, MD 1, Didier Dormont, MD 2, 3, 4, Bruno Dubois, MD 2, 5, Marc Teichmann, MD PhD 2, 5, Stéphane Epelbaum, MD PhD 2, 3, 5, Olivier Colliot, PhD 2, 3, 4, 5,
1 AP-HP, Hôpital Saint-Antoine, Department of radiology, Paris, France 
2 Institut du Cerveau et de la Moelle épinière, ICM, Inserm U 1127 CNRS UMR 7225, Sorbonne Université, F-75013, Paris, France 
3 Inria, Aramis-project team, Paris, France 
4 AP-HP, Hôpital de la Pitié-Salpêtrière, Department of Neuroradiology, F-75013, Paris, France 
5 AP-HP, Hôpital de la Pitié-Salpêtrière, Department of Neurology, Institut de la Mémoire et de la Maladie d’Alzheimer (IM2A), F-75013, Paris, France 

Corresponding author: ICM–Brain and Spinal Cord Institute, ARAMIS team, Pitié-Salpêtrière Hospital, 47-83, boulevard de l’Hôpital, 75651, Paris Cedex 13, FranceICM–Brain and Spinal Cord Institute, ARAMIS team, Pitié-Salpêtrière Hospital47-83, boulevard de l’HôpitalParis Cedex 1375651France
Sous presse. Manuscrit accepté. Disponible en ligne depuis le Tuesday 12 May 2020

Abstract

Background and Purpose: Many artificial intelligence tools are currently being developed to assist diagnosis of dementia from magnetic resonance imaging (MRI). However, these tools have so far been difficult to integrate in the clinical routine workflow. In this work, we propose a new simple way to use them and assess their utility for improving diagnostic accuracy.

Materials and Methods: We studied 34 patients with early-onset Alzheimer’s disease (EOAD), 49 with late-onset AD (LOAD), 39 with frontotemporal dementia (FTD) and 24 with depression from the pre-existing cohort CLIN-AD. Support vector machine (SVM) automatic classifiers using 3D T1 MRI were trained to distinguish: LOAD vs Depression, FTD vs LOAD, EOAD vs Depression, EOAD vs FTD. We extracted SVM weight maps, which are tridimensional representations of discriminant atrophy patterns used by the classifier to take its decisions and we printed posters of these maps. Four radiologists (2 senior neuroradiologists and 2 unspecialized junior radiologists) performed a visual classification of the 4 diagnostic pairs using 3D T1 MRI. Classifications were performed twice: first with standard radiological reading and then using SVM weight maps as a guide.

Results: Diagnostic performance was significantly improved by the use of the weight maps for the two junior radiologists in the case of FTD vs EOAD. Improvement was over 10 points of diagnostic accuracy.

Conclusion: This tool can improve the diagnostic accuracy of junior radiologists and could be integrated in the clinical routine workflow.

Le texte complet de cet article est disponible en PDF.

Abbreviations : EOAD

Keywords : Alzheimer's disease, Dementia, diagnosis, anatomical MRI, artificial intelligence



© 2020  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.