Le diagnostic précoce de la maladie d’Alzheimer est un sujet de recherche important et très actif.
Les données multimodales d’imagerie cérébrale, de scores cognitifs et de génétique appartement une information complémentaire pour la prédiction. Tandis que les scores cognitifs et l’imagerie cérébrale apporte une information concernant l’état actuel du patient, les données génétiques permettent d’identifier si un sujet pourrait développer la maladie d’Alzheimer dans le futur et à quelle vitesse. La majorité des travaux mettent ces données sur le même niveau; bien qu’elles n’apportent pas le même niveau d’information.
Dans un premier temps, nous allons explorer les modèles multiniveaux permettant de combiner ces données dans le but de prédire l’état actuel du patient. Les modèles multiniveaux permettent de prendre en compte les effets joints imagerie/génétique pour la prédiction. Nous allons aussi exploiter la structure des données et utiliser des pénalités adaptées (comme la pénalité ridge pour l’imagerie, pour la pénalité group lasso pour la génétique).
Dans un deuxième temps, nous allons explorer les modèles de survie pour la prédiction de la future occurrence à partir de troubles cognitifs légers. On regardera les modèles log-logistiques, de Aalen, de Cox pour cette estimation. Ces modèles seront combinés avec des modèles multiniveaux.
Les modèles exploités utilisent la base de donnée ADNI-1 (de Alzheimer’s Disease Neuroimaging Initiative).