Une précision inégalée grâce à l’intelligence artificielle
Publiée dans la revue NeuroImage, l’étude qu’elle a dirigée a été réalisée sur 272 nourrissons, dont 53 présentaient une macrocéphalie, c’est-à-dire que la taille de la tête est anormale et souvent associée à des anomalies du développement cérébral.
Sous la supervision de Sarah Lippé, la doctorante Saeideh Davoudi a utilisé deux approches pour analyser les données de l’électroencéphalogramme (EEG), soit l’apprentissage automatique classique et l’apprentissage profond.
Dans la première approche, des caractéristiques spécifiques des signaux électroencéphalographiques, comme la puissance des ondes cérébrales – delta, thêta-alpha – et la complexité des signaux, ont été extraites pour entraîner des modèles prédictifs. Dans la seconde approche, des réseaux neuronaux ont analysé directement les données brutes de l’EEG, apprenant automatiquement des motifs complexes.
Les résultats ont montré que les modèles d’apprentissage profond étaient les plus performants.
«Après seulement quelques minutes de signaux électroencéphalographiques, nous sommes parvenus à estimer l’âge du bébé avec une erreur moyenne de moins de 30 jours, souligne Sarah Lippé. C’est une méthode puissante pour discerner une décélération ou une accélération de la maturation cérébrale.»
L’étude a mis en lumière le rôle crucial des impulsions électriques du cerveau dans l’estimation de l’âge cérébral. Les ondes alpha (6-9 hertz), rattachées à l’attention et à la relaxation, deviennent plus prononcées avec l’âge, reflétant une meilleure intégration des fonctions cognitives. Les ondes delta (0,5-2,5 hertz), dominantes chez les nourrissons, diminuent progressivement, ce qui est un signe de maturation.