CONTRIBUTION OF MULTIMODAL MRI FOR THE DIFFERENTIAL DIAGNOSIS OF PARKINSONIAN SYNDROMES
APPORT DE L'IRM MULTIMODALE POUR LE DIAGNOSTIC DIFFÉRENTIEL DES SYNDROMES PARKINSONIENS
Résumé
Parkinsonism is defined by the association of resting tremor, rigidity, bradykinesia and postural instability. Parkinson's disease (PD) is the main cause of neurodegenerative parkinsonism. Atypical parkinsonism refers to rare neurodegenerative pathologies including tauopathies (progressive supranuclear palsy - PSP and corticobasal degeneration - CBD) and synucleinopathies (multisystem atrophy - MSA, with its cerebellar - MSA-C and parkinsonian - MSA-P variants, and dementia with Lewy body - DLB). Although the accuracy of diagnosis of Parkinson's syndrome is improved when made by neurologists with expertise in movement disorders, correct diagnosis can be difficult, especially in the early stage of the disease. However, accurate diagnosis is crucial to assess prognosis, refer patients to appropriate systems of care, and allow inclusion in therapeutic trials. Multimodal MRI provides pathology-specific MRI biomarkers that can be used to train and test machine learning algorithms for diagnostic categorization. The objective of my PhD thesis was to improve the differential diagnosis of Parkinsonian syndromes using multimodal MRI. We showed that a diagnostic classification approach based on machine learning techniques in combination with volumetry, diffusion and R2* relaxation measurements in various brain regions could accurately discriminate subjects with early stage parkinsonism. Using neuromelanin-sensitive imaging, we detected degeneration of the substantia nigra and locus coeruleus in parkinsonian syndromes. We also found that the pattern of nigral degeneration differed between synucleinopathies and tauopathies. These results may help to refine the differential diagnosis of parkinsonian syndrome in a clinical setting.
Le syndrome parkinsonien est défini par l'association d'un tremblement de repos, d'une rigidité, d'une bradykinésie et d'une instabilité posturale. La maladie de Parkinson (MP) est la première cause de syndrome parkinsonien d’origine neurodégénérative. Le spectre des syndromes parkinsoniens atypiques fait référence à des pathologies neurodégénératives rares incluant des tauopathies (paralysie supranucléaire progressive - PSP et dégénérescence corticobasale - DCB) et des synucléinopathies (atrophie multisystématisée - AMS, avec ses variantes cérébelleuse - AMS-C et parkinsonienne - AMS-P, et démence à corps de Lewy - DCL). Bien que la précision du diagnostic du syndrome parkinsonien soit améliorée lorsqu'il est posé par des neurologues experts en mouvements anormaux, un diagnostic correct peut être difficile, notamment à la phase précoce de la maladie, avec une incertitude clinique élevée. Or un diagnostic précis est crucial pour évaluer le pronostic, orienter les patients vers des systèmes de soins adéquats et permettre leur inclusion dans des essais thérapeutiques appropriés.
L’IRM multimodale fournit des biomarqueurs IRM spécifiques à chaque pathologie qui peuvent être utilisés pour entrainer et tester des algorithmes de machine learning en vue d’une catégorisation diagnostique. L'objectif de ma thèse était d'améliorer le diagnostic différentiel des syndromes parkinsoniens en utilisant l'IRM multimodale. Nous avons montré qu'une approche de classification diagnostique basée sur des techniques d'apprentissage automatique en combinaison avec des mesures de volumétrie, de diffusion et de relaxation R2* dans diverses régions du cerveau permettait de discriminer avec précision les sujets à un stade précoce de syndrome parkinsonien. En utilisant l'imagerie sensible à la neuromélanine, nous avons détecté la dégénérescence de la substance noire et du locus coeruleus dans les syndromes parkinsoniens. Nous avons également constaté que le schéma de la dégénérescence nigrale différait entre les synucléinopathies et les tauopathies. Ces résultats pourraient aider à affiner le diagnostic différentiel du syndrome parkinsonien dans un contexte clinique.
Origine : Fichiers produits par l'(les) auteur(s)
