Neuromélanine et fer de la substance noire dans la maladie de Parkinson et le trouble du comportement en sommeil paradoxal : étude IRM multimodale utilisant l'apprentissage profond

Nigral Neuromelanin and Iron Content characterizing Parkinson's Disease and REM Sleep Behavior Disorder : A Multimodal MRI Study using Deep Learning

• Auteur / Autrice : Rahul Gaurav
• Direction : Stéphane Lehéricy
• Type : Thèse de doctorat
• Discipline(s) : Neurosciences
• Date : Soutenance le 12/10/2021
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Cerveau, cognition, comportement (Paris ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Institut du cerveau et de la moelle épinière (Paris). Equipe Mov’It
• Jury : Président / Présidente : Régis Lambert
• Jury : Examinateurs / Examinatrices : Roselyne Friedenberg, Sridar Narayanan, Patrice Péran
• Jury : Rapporteurs / Rapporteuses : Hugues Talbot, Emmanuel Gérardin

Mots clés

Mots clés contrôlés

Apprentissage supervisé (intelligence artificielle)

Imagerie médicale

Substantia nigra

Troubles du sommeil

Maladie de Parkinson

Mélanine

Mots clés libres

Neuromélanine

Substance noire

Maladie de Parkinson

Trouble du comportement en sommeil paradoxal isolé (TCSP)

Imagerie par résonance magnétique (IRM)

Intelligence artificielle

Neuromelanin

Substantia nigra

Parkinson's disease

Isolated REM sleep behavior disorder (iRBD)

Magnetic resonance imaging (MRI)

Artificial intelligence

Résumé

Le développement de biomarqueurs précis d’IRM de la neurodégénérescence est essentiel pour faciliter des essais de médicaments thérapeutiques dans la maladie de Parkinson (MP). La caractéristique principale de la MP est la perte progressive des neurones dopaminergiques dans la substantia nigra pars compacta (SNc) associée à une surcharge en fer. L'IRM-neuromélanine (NM) est efficace pour détecter NM, tandis que R2* et QSM est efficace pour évaluer le dépôt de fer. Ces anomalies peuvent aussi être étudiée dans le trouble du comportement en sommeil paradoxal isolé (TCSPi), un stade prodromique du parkinsonisme, qui se caractérise par des comportements anormaux et une perte d'atonie musculaire normale pendant le sommeil paradoxal. Nous avons inclus prospectivement des patients atteints de MP, de syndromes parkinsoniens atypiques, de TCSPi, de porteurs asymptomatiques de LRRK2 et de volontaires sains (VS) en utilisant l'IRM 3T dans cinq études de cohorte. L’IRM-NM a démontré une réduction significative du volume de la SNc dans la MP au cours du temps, des différences significatives de volume de la SNc et d'intensité de signal entre MP, TCSPi et VS en utilisant l'intelligence artificielle (IA), un volume de la SNc significativement inférieur dans LRRK2 par rapport à VS, et une réduction du signal du locus coeruleus dans tous les syndromes parkinsoniens sauf la MP sans TCSP. Le R2* et le QSM ont montré une teneur en fer de la SNc significativement différente entre MP, TCSPi et VS avec la teneur la plus élevée dans la MP. Donc l'IRM multimodale, associée à l'IA, pourrait fournir à l'avenir des biomarqueurs utiles dans les essais cliniques de thérapies modificatrices de la maladie.

Development of precise neuroimaging biomarkers of dopaminergic cell neurodegeneration is essential to facilitate therapeutic drug trials in Parkinson’s disease (PD). The hallmark feature of PD is the progressive loss of dopaminergic neurons in substantia nigra pars compacta (SNc) associated with an iron accumulation. Neuromelanin (NM) MRI have been effective in detecting NM changes whereas R2* and quantitative susceptibility mapping (QSM) can be used to evaluate brain iron deposition. Changes can also be studied in isolated REM sleep behavior disorder (iRBD), a prodromal stage of parkinsonism, which is characterized by abnormal behaviors and loss of normal muscle atonia during the REM sleep. We prospectively included patients with PD, atypical parkinsonian syndromes, iRBD, asymptomatic carriers of leucine-rich repeat kinase 2 (LRRK2), and healthy volunteers (HV) using 3T MRI in five cohort studies.NM-MRI demonstrated significant SNc volume reduction in PD patients (greater in progressing PD) between visits, significant differences in SNc volume and signal intensity between PD, iRBD and HV using deep learning, significantly lower SNc volume in LRRK2 compared to HV, and significant reduction in locus coeruleus signal in all parkinsonian disorders except in PD without RBD. QSM and R2* demonstrated a significantly different SNc iron content between PD, iRBD and HV with highest content in PD and lowest in HV. Hence, multimodal MRI techniques, coupled with deep learning, could be used as biomarkers in clinical trials of disease-modifying therapies in future. Ultimately, these markers can possibly be the first step towards a presymptomatic diagnosis of PD in clinical practice.