Une nouvelle approche pour améliorer le diagnostic précoce de la maladie d’Alzheimer
La fondation Stop Alzheimer a remis le prix Standard Grant 2024, d’une valeur de 300.000 euros, au professeur Fabian Lecron, chercheur de l’UMons, pour son projet « EEGAL: Machine learning applied to EEG signals for the development of a screening tool for Alzheimer’s disease », a indiqué l’université montoise. La subvention va permettre au chercheur de poursuivre ses travaux visant à améliorer le diagnostic précoce de la maladie d’Alzheimer et tenter de prédire son évolution.
En Belgique, une personne sur cinq, et jusqu’à une femme sur trois, développera une forme de démence au cours de sa vie. Parmi les différentes manifestations de la démence, sept sur dix concernent la maladie d’Alzheimer pour laquelle il n’existe toujours pas de traitement curatif. « Il est donc nécessaire de se concentrer sur la réduction des risques, la détection précoce et les facteurs pronostiques de l’évolution de la maladie », a précisé l’UMons.
À cet effet, le projet du professeur Lecron propose une approche novatrice. « Notre projet repose sur une approche multidisciplinaire qui combine les aspects biologiques, au travers des marqueurs sanguins, psychologiques, avec un accent sur la réserve cognitive et relatifs à l’activité électrique du cerveau. Ces trois techniques de dépistage ont démontré un fort potentiel pour identifier les patients à risque de développer la maladie d’Alzheimer », a expliqué le chercheur montois dans un communiqué.
Trois techniques de dépistage
Les trois techniques de dépistage sont les suivantes:
- une évaluation neuropsychologique affinée;
- l’application de nouvelles techniques d’analyse informatique des signaux électriques mesurés à la surface du crâne (EEG);
- l’identification de biomarqueurs sanguins grâce à une technologie de pointe très sensible.
La combinaison de ces trois sources de données obtenues auprès d’une large population de patients âgés (> 50 ans) présentant des troubles cognitifs devrait fournir un modèle de progression de la maladie basé sur l’apprentissage automatique qui sera affiné en permanence par le suivi des patients pendant la durée du projet et l’expertise des praticiens.
Ce modèle devrait permettre de mieux prédire le risque de progression des symptômes vers la maladie d’Alzheimer et de mieux comprendre les mécanismes qui sous-tendent la lente évolution vers la maladie.