Séminaire Image : « Apprentissage à partir de données multimodales pour la classification et la prédiction de la maladie d’Alzheimer », Natacha Lambert

Nous aurons le plaisir d’écouter Natacha Lambert, doctorante au GREYC en collaboration avec l’équipe Neuroprésage à Cyceron. Elle soutiendra par ailleurs sa thèse le 11 décembre 2025.
Elle donnera un séminaire IMAGE le jeudi 20 novembre 2025 à 14h en salle de séminaire F-200.

Titre : « Apprentissage à partir de données multimodales pour la classification et la prédiction de la maladie d’Alzheimer »

Résumé : 

La maladie d’Alzheimer (MA) représente un enjeu majeur de santé publique mondiale, touchant plus de 57 millions de personnes, un nombre en constante augmentation avec le vieillissement de la population. Si les biomarqueurs issus de la neuroimagerie – tels que l’IRM structurelle, la TEP FDG, la TEP amyloïde et la TEP tau – offrent des informations complémentaires essentielles au diagnostic, leur coût et leur complexité limitent leur utilisation conjointe. Par ailleurs, la progression individuelle de la maladie reste difficile à anticiper, malgré la détection précoce des lésions. Dans ce contexte, les avancées en apprentissage profond ouvrent de nouvelles perspectives pour l’analyse et la génération d’images médicales. Ce travail s’articule autour de deux objectifs : (1) exploiter les réseaux de neurones convolutionnels pour synthétiser des images TEP FDG à partir de la phase précoce de la TEP amyloïde, offrant ainsi un biomarqueur métabolique fiable et complémentaire sans coût supplémentaire ; et (2) prédire la trajectoire cognitive des patients, en combinant imagerie multimodale (IRM, TEP FDG, TEP amyloïde) et scores neuropsychologiques. Les résultats montrent que les images synthétiques reproduisent fidèlement les patterns métaboliques de la MA à différents stades et que le modèle de prédiction permet d’estimer, dès la première visite, la vitesse et la direction du déclin cognitif. Ces approches complémentaires soulignent le potentiel de l’intelligence artificielle pour améliorer le diagnostic, le suivi et la personnalisation de la prise en charge de la MA, tout en réduisant les coûts associés.