Le diagnostic différentiel des syndromes parkinsoniens d’origine neurodégénérative est difficile, notamment en phase précoce. L’IRM structurelle constitue une aide diagnostique précieuse puisqu’elle fournit des biomarqueurs capables de discriminer les différentes entités. Alors que l’imagerie est considérée normale dans la maladie de Parkinson (MPI), la paralysie supranucléaire progressive (PSP) est caractérisée par une atteinte préférentielle du mésencéphale, alors que l’atteinte du putamen, du pont et du cervelet domine l’atrophie multisystématisée (AMS). Notre objectif était d’évaluer la capacité d’un algorithme à classer correctement les sujets atteints de syndrome parkinsonien sur la base de données de volumétrie et de diffusion.

Cette étude prospective reposait une cohorte d’apprentissage incluant 181 sujets scannés en milieu de recherche sur deux appareils IRM (sujets sains : n=72, MPI : n=62, PSP : n=22, AMS : n=25) et sur une cohorte test incluant 169 sujets recrutés dans un service de neuroradiologie et imagés en conditions cliniques sur quatre appareils IRM (sujets sains : n=20, MPI : n=72, PSP : n=36, AMS : n=41). Le protocole incluait une séquence anatomique en pondération T1 haute résolution et un tenseur de diffusion. Des volumes et des métriques de diffusion (fraction d’anisotropie, diffusivité moyenne, diffusivité radiale et diffusivité axiale) ont été extraits de façon automatisée pour différentes régions d’intérêt corticales et sous-corticales. Un algorithme de type support vector machine linéaire a été entraîné sur la base des différents biomarqueurs extraits sur la cohorte d’apprentissage, puis testé sur la cohorte d’apprentissage et sur la cohorte test. Différentes tâches de classification ont été testées : sujets sains versus sujets parkinsoniens, MPI versus PSP, MPI versus AMS et PSP versus AMS.

Lorsqu’on compare les données de volumétrie et de diffusion entre groupes de sujets, il n’y avait aucune différence significative entre sujets sains et patients atteints de MPI. La PSP et l’AMS se distinguaient de la MPI et des sujets sains par une atteinte du mésencéphale dans la PSP, du pont dans l’AMS, et des ganglions de la base (putamen dans les deux maladies, thalamus et pallidum plutôt dans la PSP). La PSP et l’AMS différaient entre elles par l’atteinte du tronc cérébral en termes de ratio mésencéphale sur pont et de diffusivité dans le pont, et par l’atteinte du thalamus. Les performances de l’algorithme testé avec les données volumétriques étaient, selon les tâches de classification, bonnes à excellentes dans la cohorte d’apprentissage (précision équilibrée ≥0,78), moyennes à excellentes dans la cohorte test (précision équilibrée ≥0,70). L’ajout des données de diffusion à la volumétrie était globalement associé à une amélioration des performances dans la cohorte d’apprentissage (précision équilibrée ≥0,82) et à une baisse dans la cohorte test (précision équilibrée ≥0,60). Cette baisse de performance dans la cohorte test pouvait être imputée à l’hétérogénéité des données de diffusion due à un effet machine.

L’utilisation d’un algorithme de type support vector machine entraîné sur des données de volumétrie et de diffusion permet de séparer les syndromes parkinsoniens avec de bonnes performances, même en utilisant des données hétérogènes obtenues sur différents appareils IRM. Ces résultats pourraient être translatés dans un environnement clinique.