Continuous amyloid staging complements global amyloid burden in early Alzheimer's disease

La maladie d'Alzheimer commence son œuvre bien avant qu'une personne n'oublie un nom ou ne se perde dans une rue familière. Des décennies avant l'apparition de ces signes évidents, une protéine collante appelée amyloïde commence à s'agglutiner dans le cerveau. Les scientifiques peuvent observer ces amas grâce à une caméra spéciale appelée scanner TEP, qui prend des images de la chimie du cerveau. Pendant longtemps, les chercheurs ont mesuré la quantité de cette protéine en faisant la moyenne de sa présence dans l'ensemble du cerveau, donnant ainsi un chiffre unique qui représente la charge totale. Cette mesure globale est utile, mais elle présente un angle mort. Aux stades très précoces de la maladie, la protéine peut ne s'accumuler que dans quelques petits quartiers spécifiques du cerveau. Si l'on fait la moyenne de tout le cerveau, ces changements précoces et subtils peuvent se perdre dans le bruit, ce qui rend difficile de déterminer exactement jusqu'où la maladie a progressé ou qui est à risque prochainement.

Une équipe de chercheurs a développé une nouvelle façon d'examiner ces scanners cérébraux qui capture cette activité précoce et subtile. Au lieu de simplement compter la quantité totale de protéine, ils ont créé un système qui cartographie le motif spécifique de l'emplacement de la protéine. En entraînant un ordinateur à reconnaître l'ordre dans lequel ces motifs apparaissent au fil du temps, ils ont construit un outil capable de placer une personne sur une échelle continue de progression de la maladie. Cette nouvelle méthode, qu'ils appellent DAPS, fait plus que confirmer la présence de l'amyloïde ; elle révèle comment la maladie se déplace à travers le cerveau, même lorsque la quantité totale de protéine semble inchangée. Les chercheurs ont découvert que cette nouvelle échelle peut prédire qui perdra la mémoire plus rapidement, même parmi les personnes ayant la même quantité totale d'amyloïde dans leur cerveau.

L'étude a débuté avec les données de milliers de personnes ayant subi des scanners cérébraux sur plusieurs années. Les chercheurs ont utilisé un type d'intelligence artificielle qui apprend par elle-même, sans qu'on lui dise qui est malade ou non. Ils ont nourri l'ordinateur avec des milliers d'images cérébrales montrant la distribution de la protéine amyloïde à travers soixante-huit régions différentes du cortex. La tâche de l'ordinateur était de compresser cette carte complexe de soixante-huit régions en un seul chiffre représentant un stade de la maladie. Pour s'assurer que ce chiffre soit cohérent au fil du temps, les chercheurs ont enseigné à l'ordinateur une règle simple : si une personne revient pour un second scanner des années plus tard, le numéro du stade de la maladie doit rester le même ou augmenter, mais jamais diminuer. Cela a permis de garantir que l'outil respectait le flux naturel du temps et la progression de la maladie.

Lorsque les chercheurs ont testé ce nouvel outil, il s'est avéré bien plus efficace pour maintenir la chronologie droite que les méthodes précédentes. Les approches plus anciennes attribuaient parfois un numéro de stade inférieur à une personne lors d'un scanner ultérieur par rapport à un scanner précédent, ce qui contredit le fonctionnement de la maladie. Le nouveau système a presque entièrement évité ces erreurs, créant un chemin fluide et logique qui correspondait à l'ordre réel des visites. Plus important encore, les chercheurs ont découvert que cette nouvelle échelle offrait des informations que l'ancien compte global ignorait. Ils ont identifié un point spécifique sur leur échelle où la relation entre le motif de la maladie et la quantité totale de protéine changeait. Avant ce point, le motif de l'amyloïde changeait et devenait plus organisé dans des zones spécifiques, même si la quantité totale de protéine dans le cerveau restait relativement stable. Après ce point, la quantité totale de protéine et le motif de la maladie commençaient à augmenter de concert.

Cette distinction s'est avérée cruciale pour comprendre le risque. Les chercheurs ont pris deux groupes de personnes qui avaient exactement la même quantité totale d'amyloïde dans leur cerveau au début de l'étude. Un groupe se trouvait au stade précoce de la nouvelle échelle basée sur les motifs, et l'autre au stade avancé. Bien que leurs comptes de protéines totales soient identiques, les personnes du stade avancé de l'échelle des motifs commençaient à perdre la mémoire beaucoup plus vite que celles du stade précoce. Cette découverte s'est vérifiée dans deux groupes différents de personnes de grande taille, incluant un groupe distinct de participants qui étaient tous cognitivement normaux au début. L'outil a réussi à identifier quels individus étaient sur une trajectoire de déclin plus abrupte, simplement en observant la forme de la distribution de l'amyloïde plutôt que son volume total.

Les chercheurs ont également examiné de près quelles parties du cerveau étaient responsables de ces changements précoces. Ils ont découvert que les régions les plus responsables du changement au stade précoce étaient le précuneus et le cingulum postérieur, des zones situées profondément au centre et à l'arrière du cerveau. Ce sont les mêmes zones que d'autres études ont identifiées comme les premiers endroits où l'amyloïde a tendance à s'accumuler. Cela suggère que le nouvel outil n'est pas seulement un tour mathématique, mais le reflet du processus biologique réel de la maladie. En se concentrant sur l'arrangement spatial de la protéine, le système peut détecter les empreintes de la maladie avant qu'elles ne deviennent assez importantes pour modifier la moyenne globale.

Les implications de ce travail sont significatives pour la manière dont nous pourrons étudier et traiter Alzheimer à l'avenir. Parce que l'outil peut identifier les personnes qui progressent plus rapidement même lorsque leurs niveaux totaux d'amyloïde semblent similaires, il pourrait aider les scientifiques à sélectionner les bons participants pour les essais cliniques. Au lieu de regrouper toutes les personnes ayant le même compte de protéines totales ensemble, les chercheurs pourraient utiliser cette nouvelle échelle pour trouver ceux qui présentent le risque de déclin le plus élevé. Cela pourrait faciliter la vérification de l'efficacité d'un traitement, surtout dans les phases les plus précoces de la maladie lorsque les changements sont subtils. Les chercheurs notent que, bien que leur outil ait été construit à partir d'un type spécifique de scanner cérébral, la logique sous-jacente — regarder les motifs plutôt que les totaux — pourrait s'appliquer à d'autres façons de mesurer la maladie. Ce travail suggère que pour véritablement comprendre le début d'Alzheimer, nous ne devons pas regarder seulement quelle quantité est présente, mais exactement où elle se dirige.