Une aptitude de navigation en RV permet de distinguer avec précision les patients présentant une déficience cognitive légère liée à l’âge des patients aux premiers stades de la maladie d’Alzheimer (Crédit : Université de Cambridge)
Une nouvelle étude passionnante de l’Université de Cambridge démontre comment un nouveau test de navigation en réalité virtuelle peut mieux prédire quels patients sont aux premiers stades de la maladie d’Alzheimer comparativement à d’autres tests cognitifs » étalons or » actuellement utilisés.
Les chercheurs savent depuis longtemps que l’une des premières parties du cerveau à souffrir de neurodégénérescence liée à la maladie d’Alzheimer est le cortex entorhinal, une région du cerveau particulièrement impliquée en matière de navigation spatiale. Une déficience cognitive légère (DCL) est aussi souvent l’un des premiers signes de la maladie d’Alzheimer. Cependant, la DCL ne mène pas toujours à la maladie d’Alzheimer, car elle peut n’être qu’un simple sous-produit du vieillissement, traité efficacement par un simple exercice physique.
L’idée derrière le développement de ce nouvel outil de diagnostic basé sur la RV est qu’un test de navigation pourrait aider à distinguer quels patients atteints de DCL sont plus susceptibles de progresser vers la maladie d’Alzheimer à part entière.
« Les cellules cérébrales qui sous-tendent la navigation sont semblables chez les rongeurs et les humains, de sorte que l’expérimentation de la navigation pourrait nous permettre de surmonter cet obstacle dans les essais de médicaments contre la maladie d’Alzheimer et d’aider à appliquer les découvertes de la science fondamentale à une utilisation clinique « , souligne Dennis Chan de l’Université de Cambridge. « Nous voulions le faire depuis des années, mais c’est seulement maintenant que la technologie de RV a évolué au point où nous pouvons facilement entreprendre cette recherche chez les patients. »
Les chercheurs ont mis au point une aptitude de navigation en RV expressément conçue pour vérifier si le cortex entorhinal d’une personne était atteint. Afin d’établir si le test pouvait différencier les niveaux de risque de la maladie d’Alzheimer d’une seule cohorte de patients atteints de DCL, les chercheurs ont examiné 45 sujets atteints de DCL. Des échantillons de liquide céphalorachidien ont été prélevés sur tous les sujets atteints de DCL pour tester les biomarqueurs liés à la maladie d’Alzheimer, dont 12 se sont révélés positifs pour ces biomarqueurs.
Après avoir subi le test de navigation VR, les chercheurs ont découvert que tous les sujets atteints de DCL avec des biomarqueurs de la maladie d’Alzheimer avaient un rendement inférieur à celui des sujets sans signes précoces de la maladie. On a également constaté que le test de RV permettait de mieux identifier les patients atteints de la maladie d’Alzheimer à haut risque que tout autre test cognitif actuellement utilisé en pratique clinique ou en recherche.
En plus d’offrir aux cliniciens un outil de détection précoce simple pour détecter les patients atteints de la maladie d’Alzheimer, les chercheurs affirment que le test pourrait être extrêmement utile dans les essais cliniques futurs sur les médicaments contre la maladie d’Alzheimer. Le test de RV pourrait servir de mesure pour surveiller la progression de la maladie et les améliorations cognitives potentielles chez les sujets qui font l’essai de médicaments potentiels.
L’une des prochaines étapes pour les chercheurs consiste à rationaliser cette découverte en une application utile qui pourrait intégrer ce test particulier à une série d’autres mesures facilement accessibles pour détecter l’apparition de la maladie d’Alzheimer et surveiller son évolution.
« Nous vivons dans un monde où les appareils mobiles sont presque omniprésents, et les approches basées sur les applications ont donc le potentiel de diagnostiquer la maladie d’Alzheimer à un coût supplémentaire minime et à une échelle bien supérieure à celle du scanner cérébral et des autres approches diagnostiques actuelles « , ajoute Dennis Chan.
https://academic.oup.com/brain/advance-article/doi/10.1093/brain/awz116/5497752#136021027
