1. Méthodes de prédiction multivariées basées sur la neuroimagerie : application aux maladies psychiatriques.
- Author
-
Duchesnay, Edouard, Bourgin, Julie, Hadj-Selem, Fouad, and Frouin, Vincent
- Abstract
Résumé L’étude en neuroimagerie des maladies mentales (troubles de l’humeur, schizophrénie, trouble du spectre autistique) a, jusqu’alors, été abordée par des méthodes classiques d’analyses statistiques dites « univariées ». Ces méthodes ont permis d’identifier de nombreuses modifications cérébrales structurelles et fonctionnelles associées à ces pathologies. Ce type d’analyse répond à la question : « Où, dans le cerveau et à l’échelle d’une cohorte de sujets/patients, y a-t-il des associations entre la pathologie et le signal associé à de l’imagerie structurelle ou fonctionnelle ? » Ce type d’analyse n’a pas de pouvoir prédictif nécessaire pour aider au diagnostic ou au pronostic de la réponse à un traitement à un niveau individuel. De plus, ces analyses impliquent généralement l’examen de chaque voxel (locus de mesure du signal) séparément les uns des autres, ce qui empêche l’identification de « patterns » impliquant conjointement plusieurs régions cérébrales. Tenant compte du fait que dans les pathologies psychiatriques, les altérations du cerveau impliquent des réseaux largement distribués sur plusieurs régions cérébrales, la communauté de neuroimagerie s’est tournée vers des méthodes de prédiction multivariées en raison de leur capacité à examiner conjointement toutes les régions cérébrales ainsi que pour leur potentiel à produire des inférences au niveau individuel. Cet article donne un aperçu critique des applications actuelles des méthodes de prédiction multivariées dans le cadre des maladies mentales. Nous abordons l’identification de biomarqueurs fondée sur la neuroimagerie dans la perspective d’utiliser ces derniers pour le diagnostic, la détection précoce et la réponse au traitement. The study of mental illness (mood disorders, schizophrenia, autism spectrum disorder) in neuroimaging has been addressed by standard “univariate” statistical analysis methods. These methods have revealed many structural and functional brain changes associated with these diseases. Such analysis answers the question: “Where in the brain and on the scale of a cohort of subjects/patients, are the associations between the pathology and any structural or functional related signal”. This type of analysis has no predictive power to assist in the diagnosis or the prognosis of the response to a treatment at an individual level. In addition, these analyses typically involve examining each voxel separately (measured signal at given locus), thus limiting the identification of “patterns” that jointly involve several brain regions. Taking into account the fact that brain alterations in psychiatric diseases expand over a widely distributed network of brain regions, the neuroimaging community turned to multivariate predictive methods because of their ability to examine voxels jointly and their potential for making inferences at a single-subject level. This article provides a critical overview of the current applications of multivariate prediction methods for the identification of biomarkers based on neuroimaging in the prospect of using these for the diagnosis, early detection and response to treatment of mental illness. [ABSTRACT FROM AUTHOR]
- Published
- 2015
- Full Text
- View/download PDF