Le diagnostic médical de demain : l'oculométrie et au-delà

Découvrez comment les outils de diagnostic modernes, tels que l’oculométrie, l’EEG, l’EMG, l’analyse des expressions faciales et la réponse galvanique de la peau, sont en train de révolutionner le diagnostic médical. Ce blog explore la manière dont ces technologies permettent de mettre en évidence des biomarqueurs subtils associés à des troubles neurologiques et psychiatriques, offrant ainsi des voies plus rapides, plus accessibles et fondées sur les données pour un dépistage précoce et une prise de décision clinique améliorée.

Le diagnostic est le point de départ de la médecine. Obtenir rapidement et facilement un diagnostic précis est un objectif central de la science médicale, pour des raisons évidentes : cela profite au patient en garantissant qu’il reçoive les soins appropriés dès que possible, et permet au médecin de gagner du temps, ce qui lui permet de s’occuper d’un plus grand nombre de patients.

Le diagnostic médical représente également un poste de dépenses important, puisqu’environ 10 % de l’ensemble des coûts médicaux y sont consacrés, un chiffre qui devrait continuer à augmenter dans les années à venir. Trouver des moyens de rendre les examens médicaux fiables plus simples, plus accessibles et plus abordables est clairement un objectif qui mérite d’être poursuivi.

Il existe plusieurs approches pour améliorer le diagnostic, mais l’un des principaux moteurs du changement dans ce domaine est la technologie. Comme l’affirment Harezlak et Kasprowski dans un article récent : « Les performances et la qualité des procédures et traitements médicaux sont indissociables du développement technologique » [1]. Comme dans de nombreux domaines, plus la technologie nous offre de possibilités, plus nos capacités s’élargissent.

Les progrès technologiques ont permis des avancées non seulement dans la conception et les caractéristiques techniques des appareils, mais aussi dans les logiciels qui les équipent. Cela offre une occasion idéale de mettre à profit ces nouvelles avancées technologiques pour alléger la charge de travail liée au diagnostic. Bien qu’il reste encore beaucoup de recherches à mener, certains éléments indiquent que des dispositifs tels que les oculomètres, l’EEG, l’EMG et l’ECG peuvent contribuer au dépistage précoce de maladies et de troubles.

Nous examinons ci-dessous certaines des applications possibles de ces technologies pour améliorer à la fois la précision et l’accessibilité du diagnostic. Nous nous intéressons principalement à la manière dont les recherches futures pourraient permettre d’identifier de manière fiable des biomarqueurs de maladies neurologiques ou de troubles psychiatriques, car le diagnostic est souvent plus difficile à établir dans ces cas-là, par rapport à d’autres maladies dont la cause a été directement identifiée.

Suivi du regard

L’une des premières études utilisant un oculomètre dans le cadre d’un diagnostic médical a été menée il y a plus d’un siècle, en 1908 [2]. À l’aide du « photochronographe de Dodge » – une méthode consistant à photographier le reflet de la cornée –, les mouvements oculaires provoqués par l’observation de chiffres ont été enregistrés. Il a été constaté, bien que de manière incohérente, que la vitesse des mouvements oculaires chez les schizophrènes différait de celle des sujets témoins non schizophrènes.

Diefendorf et Dodge, 1908.

Depuis lors, la facilité d’utilisation, la précision et le prix des oculomètres se sont considérablement améliorés.

L’oculométrie a mis en évidence des différences significatives entre les populations témoins et les personnes atteintes de schizophrénie [3], de trouble bipolaire [4], de troubles cognitifs légers (MCI) [5], de la maladie d’Alzheimer [6], de sclérose en plaques [7], d’autisme [8, 9], de la maladie de Parkinson [10] et de TDAH [10, 11].

Il existe plusieurs protocoles expérimentaux couramment utilisés pour étudier le comportement visuel à l’aide d’oculomètres. L’une des approches les plus courantes consiste à recourir à des tâches pro-saccadées et anti-saccadées.

Les tâches pro-saccadées sont relativement simples : elles consistent généralement à demander au participant de fixer un point central sur un écran, puis de diriger son attention visuelle vers un stimulus lorsqu’il apparaît. On a constaté une augmentation des latences (temps de réaction plus longs) chez les personnes atteintes de la maladie de Parkinson, par rapport aux personnes ne présentant pas ce diagnostic [10].

Les tâches anti-saccades sont similaires, mais le participant doit regarder dans la direction opposée à celle du stimulus lorsque celui-ci apparaît. Cette approche a mis en évidence des différences significatives chez les personnes atteintes de troubles cognitifs légers (MCI) (considérés comme un précurseur probable de la maladie d’Alzheimer [12]), qui présentent des temps de réaction plus longs lorsqu’elles regardent dans la direction demandée et sont plus susceptibles de commettre des erreurs [13].

On imagine aisément qu’en raison de leur coût relativement abordable, de leur caractère non invasif et de la simplicité de leur mise en place, les tests d’oculométrie pourraient être facilement mis en œuvre pour dépister rapidement toute une série de maladies ayant un impact sur le comportement visuel.

EEG

Les études démontrant un lien entre l’activité EEG (électroencéphalographie) et l’épilepsie ne manquent pas [14], la maladie d’Alzheimer [15], l’autisme [16], le TDAH [17], la schizophrénie [18], le trouble bipolaire [19], le trouble obsessionnel compulsif [20] et même la maladie de Creutzfeldt-Jakob [21], entre autres [22].

Comme indiqué plus haut, il a été démontré que bon nombre de ces maladies ont une incidence sur le comportement visuel, telle qu’évaluée par l’oculométrie. Des recherches supplémentaires pourraient tirer profit de l’étude de ces résultats potentiellement liés.

Il n’est sans doute pas surprenant que l’EEG, en tant que méthode directe de mesure de l’activité cérébrale, constitue un outil approprié pour l’étude des maladies et troubles neurologiques. Cependant, la fiabilité de certaines conclusions issues de l’EEG est parfois remise en question dans les articles qui s’y rapportent. Il semble que le recours à d’autres méthodes en complément, ainsi que la poursuite des recherches en général, puissent contribuer à clarifier la situation.

Bien que la mise en place d’un EEG nécessite un certain travail (détermination de la position correcte des électrodes, application du gel, vérification de l’impédance, etc.), la facilité d’installation d’un tel système s’est améliorée au fil des ans. De plus, l’utilisation désormais généralisée de l’EEG dans le domaine médical signifie que les systèmes et la formation nécessaires sont déjà en place pour exploiter davantage cette technologie à des fins diagnostiques lorsque cela s’avère nécessaire.

EMG

En tant que méthode de mesure de l’activité musculaire, les recherches menées à l’aide de l’EMG (électromyographie) ont bien sûr mis en évidence des liens entre diverses maladies affectant le développement et le fonctionnement musculaires (par exemple, la maladie de Pompe [23]). Certains éléments indiquent toutefois que l’EMG pourrait même servir d’indicateur pour certaines maladies neurologiques.

Des études ont mis en évidence des différences significatives dans les enregistrements EMG entre les patients atteints de la maladie de Parkinson [24] et ceux atteints de la maladie de Huntington [25], deux affections dégénératives progressives qui touchent principalement le cerveau (bien que pas exclusivement, une composante musculaire étant présente dans les deux maladies). Des recherches futures pourraient encore mettre en évidence des liens entre des enregistrements EMG anormaux et ces maladies, offrant ainsi une nouvelle voie vers le diagnostic.

Les appareils d’EMG, bien qu’ils soient à la fois non invasifs et souvent portables, nécessitent un certain travail de préparation (notamment la préparation de la peau et l’enregistrement d’une base de référence de l’activité musculaire) ; pourtant, tout comme l’EEG, ces appareils sont déjà largement utilisés en milieu clinique.

Analyse des expressions faciales

La production d’expressions faciales est souvent un processus automatique et inconscient, mais elle peut également être contrôlée de manière consciente. On a constaté des différences dans la capacité à produire des expressions faciales chez les personnes autistes [31].

L’analyse des expressions faciales fait également l’objet de nombreuses discussions dans le cadre de la formation destinée aux personnes autistes visant à améliorer leurs compétences sociales [32]. Bien qu’elles ne soient pas directement liées au diagnostic de l’autisme, les conclusions tirées d’un tel système pourraient contribuer à mieux comprendre les mécanismes de développement de l’autisme.

Des chercheurs ont proposé une méthodologie reposant sur l’analyse automatisée des expressions faciales pour identifier les caractéristiques de la schizophrénie [33]. La schizophrénie est souvent associée à une altération de l’expression des émotions ou à un affect aplati, ce qui signifie en fin de compte que les expressions faciales manifestées par les patients peuvent différer de celles des témoins non schizophrènes. Les chercheurs ont constaté que le système permettait d’identifier des différences significatives entre ces deux populations et qu’il pourrait être perfectionné pour servir d’outil d’aide au diagnostic.

L’analyse automatisée des expressions faciales étant totalement discrète, elle peut être mise en œuvre sans causer la moindre gêne aux patients. Bien que des recherches supplémentaires soient nécessaires pour établir clairement les liens potentiels avec l’autisme ou les troubles psychiatriques, la simplicité d’utilisation de cette méthode permet de l’appliquer facilement en milieu clinique.

De même, la voix humaine constitue une autre source de données discrète et précieuse pour la compréhension des troubles neurologiques et psychiatriques. Découvrez le potentiel de l’**analyse vocale**, nouvelle frontière dans le domaine du diagnostic médical.

Réponse galvanique de la peau

La GSR (réponse galvanique de la peau), également appelée EDA (activité électrodermique), est une mesure de l’activité des glandes sudoripares, souvent (mais pas exclusivement) mesurée au niveau des doigts. Cette méthode est facile à mettre en œuvre et les appareils peuvent être portables, ce qui permet une collecte de données en conditions réelles.

Des liens ont également été mis en évidence (à l’instar de l’analyse des expressions faciales) avec la schizophrénie, bien que ces résultats présentent des incohérences pouvant être liées aux classifications diagnostiques [27, 28]. Des recherches supplémentaires pourraient permettre de déterminer si et comment la GSR et l’EDA peuvent fournir des informations utiles pour le diagnostic de la schizophrénie.

Des corrélations significatives ont été mises en évidence avec le niveau de stress ressenti par un individu (parallèlement à la fréquence cardiaque mesurée par ECG [26]). Bien qu’il ne s’agisse pas d’un trouble psychiatrique, ces informations peuvent s’avérer pertinentes dans un contexte clinique.

Des résultats tout aussi incohérents ont également été observés avec la GSR et l’EDA en tant qu’indicateurs de l’autisme [29] ; néanmoins, les travaux se poursuivent dans le cadre de projets de recherche à grande échelle afin d’identifier des biomarqueurs fiables et exploitables [30]. Le projet de recherche JAKE (dont nous avons déjà parlé) pourrait contribuer à mieux comprendre les résultats issus de l’EEG, de l’analyse des expressions faciales, de la GSR et des données d’oculométrie, ainsi que la manière dont chacun de ces éléments est lié à l’autisme.

Les dispositifs GSR/EDA sont faciles à utiliser, relativement peu coûteux et peuvent être portés comme des appareils portables sans gêner les mouvements habituels. Cela pourrait permettre une collecte de données en milieu ambulatoire et dans des conditions naturelles, afin d’approfondir les recherches sur les liens potentiels avec les troubles psychiatriques.

Conclusion

L’un des principaux avantages de ces appareils réside dans le fait que les données de chacun d’entre eux peuvent être collectées simultanément. Avec l’essor des méthodes d’apprentissage automatique appliquées à des ensembles de données complexes, on peut facilement imaginer que ces analyses ouvrent la voie à une évaluation plus automatisée d’un large éventail de maladies ou de troubles potentiels.

La combinaison de ces méthodes pourrait renforcer encore davantage la fiabilité de chaque résultat (par exemple, l’analyse des données d’EEG et d’oculométrie pour établir un diagnostic précoce chez les enfants autistes, ce qui, selon des résultats préliminaires, pourrait s’avérer utile [34]).

Les études susmentionnées ne constituent qu’une partie des cas dans lesquels des liens potentiels ont été mis en évidence entre les données recueillies par ces appareils et des maladies ou troubles neurologiques. Si, dans de nombreux cas, des études supplémentaires sont nécessaires pour identifier des biomarqueurs définitifs, l’évolution des recherches actuelles montre clairement que c’est la voie que nous empruntons.

J’espère que vous avez apprécié découvrir comment divers capteurs peuvent apporter un éclairage sur les maladies neurologiques et les troubles psychiatriques. Cliquez ici pour en savoir plus sur la manière dont iMotions peut contribuer à mieux comprendre les enjeux de la recherche médicale et sanitaire.

Références

[1] Harezlak, K., Kasprowski, P. (2018). Application de l’oculométrie en médecine : enquête, enjeux de recherche et défis. Computerized Medical Imaging and Graphics. Avril ; 65 : 176-190.

[2] Diefendorf, A. R., Dodge, R. (1908). Étude expérimentale des réactions oculaires des malades mentaux à partir d’enregistrements photographiques. Brain, volume 31, numéro 3, 1, p. 451-489, https://doi.org/10.1093/brain/31.3.451

[3] Arolt, V., Lencer, R., Nolte, A., Müller-Myhsok, B., Purmann, S., Schürmann, M., et al. (1996). Le dysfonctionnement du suivi oculaire est un marqueur phénotypique présumé de susceptibilité à la schizophrénie et se situe sur un locus du chromosome 6p dans les familles présentant plusieurs cas de la maladie. Am. J. Med. Genet. 67, 564–579.

[4] García-Blanco, A., Salmerón, L., Perea, M., Livianos, L. (2014). Biais attentionnels face à des images émotionnelles au cours des différentes phases du trouble bipolaire : une étude par oculométrie. Psychiatry Res. 215 (3), 628–633.

[5] Yang, Q., Wang, T., Su, N., Xiao, S., Kapoula, Z. (2013). Déficits spécifiques des saccades chez les patients atteints de la maladie d’Alzheimer à un stade léger à modéré et chez les patients présentant une déficience cognitive légère de type amnésique. Age. 35 (4), 1287–1298.

[6] Crutcher, M. D., Calhoun-Haney, R., Manzanares, C. M., Lah, J. J., Levey, A. I., Zola, S. M. (2009). L’oculométrie lors d’une tâche de comparaison visuelle par paires comme facteur prédictif de la démence précoce. Am. J. Alzheimer’s Dis. Other Dementias.

[7] Derwenskus, J., Rucker, J.C., Serra, A., Stahl, J. S., Downey, D. L., Adams, N. L., Leigh, R. (2005). Les mouvements oculaires anormaux prédisent le handicap dans la sclérose en plaques : suivi sur deux ans. Ann. N. Y. Acad. Sci. 1039 (1), 521–523.

[8] Wang, S., Jiang, M., Duchesne, X.M., Laugeson, E.A., Kennedy, D.P., Adolphs, R., Zhao, Q. (2015). Une saillance visuelle atypique dans les troubles du spectre autistique, quantifiée à l’aide d’un suivi oculaire basé sur un modèle. Neuron. 88 (3), 604–616.

[9] Jones, W., Carr, K., Klin, A. (2008). L’absence de regard préférentiel vers les yeux des adultes qui s’approchent permet de prédire le niveau de handicap social chez les enfants de 2 ans atteints d’un trouble du spectre autistique. Arch. Gen. Psychiatry. 65, 946–954. 10.1001/archpsyc.65.8.946

[10] Tseng, P.-H., Cameron, I. G., Pari, G., Reynolds, J. N., Munoz, D. P., Itti, L. (2013). Classification à haut débit de populations cliniques à partir des mouvements oculaires naturels. J. Neurol. 260 (1), 275–284.

[11] Dankner, Y., Shalev, L., Carrasco, M., Yuval-Greenberg, S. (2017). L’inhibition pré-stimulatoire des saccades chez les adultes atteints ou non d’un trouble déficitaire de l’attention avec hyperactivité comme indicateur des attentes temporelles. Psychological Science. 28(7), 835–850.

[12] Petersen, R. (2009). Diagnostic précoce de la maladie d’Alzheimer : le MCI est-il trop tardif ? Current Alzheimer Research. 6(4) : 324-330. doi : 10.2174/156720509788929237.

[13] Pereira, M. L., Camargo, M., Aprahamian, I., Forlenza, O. V. (2014). Analyse des mouvements oculaires et traitement cognitif : détection des indicateurs de conversion vers la maladie d’Alzheimer. Neuropsychiatr Dis Treat. 10:1273–1285. doi: 10.2147/NDT.S55371.

[14] Mormann, F., Kreuz, T. H., Rieke, C. H., Andrzejak, R. G., Kraskov, A., David, P., Elger, C. E., Lehnertz, K. (2005). De la prévisibilité des crises d’épilepsie. Clin Neurophysiol. 116:569–97.

[15] Kowalski, J. W., Gawel, M., Pfeffer, A., Barcikowska, M. (2001). La valeur diagnostique de l’EEG dans la maladie d’Alzheimer : corrélation avec la gravité des troubles cognitifs. Journal of Clinical Neurophysiology. 18(6) : 570-575.

[16] Cociu, B. A., Das, S., Billeci, L., Jamal, W., Maharatna, K., Calderoni, S., Narzisi, A., Muratori, F. (2017). Analyse multimodale de la connectivité cérébrale fonctionnelle et structurelle dans l’autisme : une approche intégrée préliminaire combinant EEG, IRMf et DTI. IEEE Trans. Cogn. Develop. Syst. 10, 2, 213-226. DOI : 10.1109/TCDS.2017.2680408.

[17] Arns, M., Conners, C. K., Kraemer, H. C. (2013). Une décennie de recherche sur le rapport thêta/bêta en EEG dans le TDAH : une méta-analyse. J. Atten. Disord. 17, 374–383. 10.1177/1087054712460087.

[18] Boutros, N. N., Arfken, C., Galderisi, S., Warrick, J., Pratt, G., Iacono, W. (2008). La place des anomalies spectrales de l’EEG en tant que test diagnostique de la schizophrénie. Schizophr. Res. 99, 225–237.

[19] Kam, J. W., Bolbecker, A. R., O’Donnell, B. F., Hetrick, W. P., Brenner, C. A. (2013). Anomalies de la puissance et de la cohérence de l’EEG au repos dans le trouble bipolaire et la schizophrénie. J Psychiatr Res. 47:1893–901. doi: 10.1016/j.jpsychires.2013.09.009.

[20] Velikova, S., Locatelli, M., Insacco, C., Smeraldi, E., Comi, G., Leocani, L. (2010). Dysfonctionnement des circuits cérébraux dans le trouble obsessionnel-compulsif : analyse des sources et de la cohérence des rythmes EEG. Neuroimage. 49(1):977–983.

[21] Zerr, I., Pocchiari, M., Collins, S., Brandel, J. P., de Pedro, C. J., Knight, R. S., et al. (2000). Analyse des protéines 14-3-3 dans l’EEG et le LCR comme aides au diagnostic de la maladie de Creutzfeldt-Jakob. Neurology. 55:811–815. doi: 10.1212/WNL.55.6.811.

[22] Herrmann, C., Demiralp, T. (2005). Les oscillations gamma de l’EEG humain dans les troubles neuropsychiatriques. Clin. Neurophysiol. 116, 2719–2733. doi: 10.1016/j.clinph.2005.07.007

[23] Kishnani, P. S., Steiner, R. D., Bali, D., Berger, K., Byrne, B. J., Case, L., Crowley, J. F., Downs, S., Howell, R. R., Kravitz, R. M., Mackey, J., Marsden, D., Martins, A. M., Millington, D. S., Nicolino, M., O’Grady, G., Patterson, M. C., Rapoport, D. M., Slonim, A., Spencer, C. T., Tifft, C. J., Watson, M. S. (2006). Lignes directrices pour le diagnostic et la prise en charge de la maladie de Pompe. Genet Med. 8:267–288. doi: 10.1097/01.gim.0000218152.87434.f3.

[24] Vitale, C., Marcelli, V., Furia, T., et al. (2011). Troubles vestibulaires et déséquilibre postural adaptatif chez les patients parkinsoniens présentant une flexion latérale du tronc. Mov Disord. 26:1458-1463.

[25] Swerdlow, N. R., Paulsen, J., Braff, D. L., et al. (1995). Altération de l’inhibition pré-impulsionnelle des réponses de sursaut acoustiques et tactiles chez les patients atteints de la maladie de Huntington. J. Neurol. Neurosurg. Psychiatry. 58, 192–200.

[26] Tulen, J. H. M., Moleman, P., Van Steenis, H. G., Boomsma, F. (1989). Caractérisation des réactions de stress au test Stroop couleur-mot. Pharmacol. Biochem. Behav. 32, 9–15. 10.1016/0091-3057(89)90204-9.

[27] Öhman, A. (1981). Activité électrodermique et prédisposition à la schizophrénie : une revue de la littérature. Biol. Psychol. 12, 87–145. 10.1016/0301-0511(81)90008-9.

[28] Zahn, T. P., Frith, C. D., Steinhauer, S. R. (1991). Fonctionnement autonome dans la schizophrénie : activité électrodermique, fréquence cardiaque, pupillographie. Dans S. R. Steinhauer, J. H. Gruzelier et J. Zubin (dir.), Handbook of schizophrenia : Vol. 5. Neuropsychology, psychophysiology, and information processing (pp. 185-224). Amsterdam : Elsevier.

[29] Hirstein, W., Iversen, P., Ramachandran, V. S. (2001). Réponses autonomes des enfants autistes face à des personnes et à des objets. Proc Biol Sci. 268(1479):1883–8.

[30] Ness, S. L., Manyakov, N. V., Bangerter, A., et al. (2017). Système de saisie de données multimodales JAKE(R) : conclusions d’une étude observationnelle sur les troubles du spectre autistique. Front Neurosci. 11:517.

[31] Manfredonia, J., Bangerter, A., Manyakov, N. V., Ness, S., Lewin, D., Skalkin, A., Boice, M., Goodwin, M. S., Dawson, G., Hendren, R., Leventhal, B., Shic, F., Pandina, G. (2018). Reconnaissance automatique des expressions faciales d’émotion chez les personnes atteintes de troubles du spectre autistique. J Autism Dev Disord. 8 octobre. doi: 10.1007/s10803-018-3757-9.

[32] Liu, R., Salisbury, J. P., Vahabzadeh, A., Sahin, N. T. (2017). Faisabilité d’un système de lunettes intelligentes à réalité augmentée axé sur l’autisme pour la communication sociale et l’accompagnement comportemental. Front. Pediatr. 5:145. doi: 10.3389/fped.2017.00145.

[33] Wang, P., Barrett, F., Martin, E., Miloncva, M., Gur, R. E., Gur, R. C., et al. (2008). Analyse automatisée des expressions faciales à partir de vidéos dans le cadre des troubles neuropsychiatriques. Journal of Neuroscience Methods. 168 : 224-238.

[34] Billeci, L., Narzisi, A., Tonacci, A., Sbriscia-Fioretti, B., Serasini, L., Fulceri, F., Apicella, F., Sicca, F., Calderoni, S., Muratori, F. (2017). Une approche intégrée combinant EEG et oculométrie pour l’étude de la réponse et de l’initiation de l’attention conjointe dans les troubles du spectre autistique. Scientific Reports, 7(1):13560.