Diagnostic différentiel des maladies neurodégénératives basé sur l'IA utilisant l'IRM structurelle : Une revue systématique
Résumé
Le diagnostic différentiel précis entre les maladies neurodégénératives constitue un défi clinique majeur en raison du chevauchement de leur symptomatologie et de leurs pathologies. L’intelligence artificielle (IA) appliquée à l’IRM structurelle (IRM-s) offre une approche prometteuse et non invasive pour identifier des schémas subtils et spécifiques à la maladie d’atrophie cérébrale. Cette revue systématique évalue le panorama des méthodes d’IA à cette fin, en se concentrant sur le diagnostic différentiel entre les maladies neurodégénératives tout en excluant les comparaisons isolées maladie-versus-contrôle. Conformément aux directives PRISMA, nous avons analysé 82 études publiées entre janvier 2008 et décembre 2025. Notre analyse révèle une évolution méthodologique distincte, passant du machine learning classique (ML), qui repose sur des caractéristiques conçues manuellement, aux architectures de deep learning (DL) de bout en bout qui apprennent automatiquement des représentations directement à partir des données d’image. Bien que les modèles rapportent souvent une précision de classification élevée (dépassant généralement 90 % pour les tâches binaires), la précision varie de 70 % à 92 % pour les tâches standard à 3 classes, et chute à 65 %-88 % pour les cadres multi-maladies plus larges (≥ 4 classes) ou les évaluations hors domaine. En outre, nous identifions des obstacles systémiques qui retardent la traduction clinique : une dépendance généralisée aux jeux de données privés (77 % des études), un manque sévère de validation rigoureuse hors domaine (seulement 28 % des études), un faible taux de disponibilité du code public (20 % des études), et une utilisation limitée d’étiquettes de diagnostic confirmées pathologiquement ou biologiquement (seulement 18 % des études). Ces défis en matière d’infrastructure de données et de normes de validation sapent la généralisabilité des modèles et jettent un doute sur la pertinence clinique de…