Transdiagnostic quantitative assessment of dementias using in vivo MRI and data-driven disease progression modelling: a case study in Alzheimer's disease and dementia with Lewy bodies

Résumé technique : Évaluation quantitative transdiagnostique des démences par IRM in vivo et modélisation de la progression de la maladie pilotée par les données

Énoncé du problème
Différencier la démence de type Alzheimer (ADD) de la démence à corps de Lewy (DLB) est un défi clinique majeur en raison du chevauchement significatif des présentations cognitives et neuropsychologiques, particulièrement aux stades précoces. Bien que l'examen post-mortem demeure l'étalon-or pour distinguer les pathologies sous-jacentes (amyloïde-bêta/tau pour l'ADD contre α-synucléine pour la maladie à corps de Lewy), le diagnostic in vivo repose souvent sur des biomarqueurs coûteux et contraignants, tels que l'analyse du liquide céphalorachidien (LCR) ou l'imagerie PET, qui ne sont pas universellement disponibles. De plus, les approches actuelles basées sur l'IRM regroupent souvent les patients par syndrome clinique, ignorant l'hétérogénéité biologique et phénotypique, ce qui peut diluer les signaux de la maladie. Il existe un besoin pour une méthode capable d'exploiter l'IRM structurelle couramment acquise afin d'identifier des sous-types biologiques distincts à travers le spectre transdiagnostique de l'ADD et de la DLB, en tenant compte de la progression de la maladie plutôt que de la simple sévérité transversale.

Méthodologie
Les auteurs ont employé une approche transdiagnostique pilotée par les données utilisant l'algorithme Subtype and Stage Inference (SuStaIn) sur des données d'IRM pondérées en T1 provenant de six cohortes internationales (ADNI, NACC, E-DLB, PDBP, ViPD, Pre-D), totalisant plus de 2 000 patients atteints d'ADD, de DLB ou de trouble cognitif léger (MCI), ainsi que des témoins cognitivement normaux.

1. Traitement des données : Les coupes d'IRM structurelles ont été traitées via FreeSurfer pour dériver les volumes régionaux de tissus cérébraux basés sur l'atlas Desikan-Killiany. Les volumes ont été ajustés selon les données démographiques (âge, sexe) et le volume intracrânien, puis normalisés sous forme de scores z par rapport à une population de référence cognitivement normale.
2. Cadre de modélisation : L'étude a utilisé un cadre SuStaIn modifié. Au lieu de modéliser l'ADD et la DLB séparément, les auteurs ont d'abord ajusté des modèles SuStaIn à chaque syndrome indépendamment. Ils ont ensuite combiné ces modèles en un seul modèle transdiagnostique, en éliminant les sous-types redondants basés sur la distance de Hellinger et l'explicabilité inter-sous-types ($R^2$).
3. Implémentation du « Sous-type Nul » : Pour éviter que les valeurs aberrantes ne contaminent les schémas de progression, un « Sous-type Nul » a été introduit. Ce sous-type artificiel imite une distribution uniforme non informative, capturant les points de données qui ne correspondent à aucun schéma d'atrophie estimé. Les participants assignés au Sous-type Nul ou au Stade Zéro (atrophie sous le seuil) ont été exclus de l'analyse statistique primaire des sous-types.
4. Validation et Association : Les sous-types résultants ont été validés longitudinalement (vérification de la cohérence de l'assignation du sous-type au fil du temps) et associés à des variables cliniques (scores cognitifs, caractéristiques centrales de la DLB), des marqueurs génétiques (APOE ε4), des biomarqueurs in vivo (Aβ dans le LCR, p-tau, α-syn SAA, PET) et de la neuropathologie post-mortem (ADNC, distribution des corps de Lewy).

Contributions clés

• Sous-typage transdiagnostique : Il s'agit de la première étude appliquant SuStaIn de manière transdiagnostique à travers l'ADD et la DLB, dépassant le regroupement par syndrome spécifique pour identifier des trajectoires d'atrophie partagées et distinctes.
• Identification de trois signatures d'atrophie : Le modèle a identifié trois sous-types d'atrophie cérébrale distincts pilotés par les données :
  • Limbique : Caractérisé par une atrophie modérée précoce dans les régions limbiques.
  • Cortical : Caractérisé par une atrophie modérée précoce dans les régions corticales, avec une préservation relative des structures limbiques initialement.
  • Cortico-limbique : Un schéma intermédiaire où l'atrophie limbique et corticale surviennent en parallèle.
• Intégration des données cliniques et biologiques : L'étude a systématiquement cartographié ces sous-types d'IRM contre un large éventail de mesures biologiques et cliniques, incluant les biomarqueurs du LCR, l'imagerie PET et la pathologie post-mortem.

Résultats

• Distribution des sous-types : Les trois sous-types ont été répartis entre les deux syndromes cliniques, bien qu'avec des préférences distinctes. Le sous-type Limbique et le sous-type Cortico-limbique étaient plus fréquemment associés aux diagnostics d'ADD, tandis que le sous-type Cortical était plus fréquemment associé aux diagnostics de DLB.
• Corrélats biologiques :
  • Génétique : Les sous-types Limbique et Cortico-limbique présentaient une prévalence plus élevée d'allèles APOE ε4 par rapport au sous-type Cortical.
  • Biomarqueurs : Les sous-types Limbique et Cortico-limbique présentaient des taux plus élevés de positivité pour l'amyloïde et la protéine tau (A+/T+) ainsi que des ratios p-tau/Aβ plus élevés dans le LCR. Le sous-type Cortical était plus susceptible d'être A-/T- (négatif pour les deux).
  • Neuropathologie : Dans le sous-ensemble post-mortem, la confirmation neuropathologique de la maladie d'Alzheimer (ADNC) de niveau moyen à élevé était disproportionnellement associée aux sous-types Limbique et Cortico-limbique, tandis que le sous-type Cortical était moins associé à un ADNC élevé.
• Phénotypes cliniques :
  • Cognition : Les participants du sous-type Cortical présentaient des performances de mémoire relativement préservées par rapport aux sous-types Limbique et Cortico-limbique, même après ajustement pour le stade de la maladie.
  • Caractéristiques de la DLB : Bien que les sous-types ne différaient pas significativement quant à la présence globale des caractéristiques centrales de la DLB (hallucinations, RBD, fluctuations, parkinsonisme), le sous-type Cortical présentait un profil spécifique d'hallucinations aux stades précoces qui différait de celui du sous-type Limbique.
  • Âge : Le sous-type Cortical était associé à un âge de début plus jeune par rapport au sous-type Limbique.

Signification et Revendications
L'article affirme que cette approche transdiagnostique pilotée par les données démontre la faisabilité de l'utilisation d'une seule visite d'IRM T1 pour soutenir le diagnostic biologique et le sous-typage des patients atteints de démence. Les résultats suggèrent que la signature spatiale de l'atrophie cérébrale est dictée par les processus biologiques sous-jacents (profils de co-pathologie) plutôt que par les simples étiquettes de syndromes cliniques. Plus précisément, l'étude soutient l'hypothèse selon laquelle une atrophie de type « limbique d'abord » s'aligne sur la pathologie de l'ADD, une atrophie de type « corticale d'abord » s'aligne sur la pathologie DLB/LBD, et les schémas mixtes reflètent une co-pathologie.

Les auteurs positionnent ce travail comme une étape vers des « diagnostics compagnons » utilisant des données d'IRM couramment disponibles pour stratifier biologiquement les patients, aidant potentiellement au diagnostic là où les biomarqueurs fluides ou PET sont indisponibles. Cependant, l'article maintient un ton modeste concernant l'utilité clinique, reconnaissant que la principale limite réside dans l'absence de données de biomarqueurs complètes à travers les cohortes, ce qui restreint la capacité de caractériser pleinement l'équilibre pathologique au sein de chaque sous-type. Les auteurs concluent que, bien que le modèle soit prometteur pour la différenciation in vivo, une validation future par des études prospectives contenant des panels de biomarqueurs complets est nécessaire pour confirmer ces résultats et affiner l'application clinique du modèle.