A system and computer-implemented method is provided for uncovering genetic drivers of disease in neurodegeneration and other central nervous system (CNS) diseases for novel therapeutic target identification. The process can start with a first integrated, quantitative "deep" imaging phenotype, that accurately reflects disease at a given time-point (cross-sectionally) and returns candidate single nucleotide polymorphisms (SNPs) and/or genes. The candidate SNPs/genes are further validated, by using a second machine learning and/or artificial intelligence (Al)-based image analysis operation to assess clinical response, and may include gene expression profiling, and target plausibility analysis including pathway mapping. A set of candidate SNPs/genes may be constructed to accurately predict the first imaging phenotype with a deep learning model from said SNPs/genes to serve as an additional validation step.La présente invention concerne un système et un procédé implémenté par ordinateur pour découvrir des entraîneurs génétiques de maladie dans la neurodégénérescence et d'autres maladies du système nerveux central (CNS) pour une nouvelle identification de cible thérapeutique. Le procédé peut démarrer avec un premier phénotype d'imagerie "approfondi" quantitatif intégré, qui reflète précisément une maladie à un instant donné (en section transversale) et renvoie des polymorphismes mononucléotidiques (SNP) et/ou gènes candidats. Les SNP/gènes candidats sont en outre validés, en utilisant une seconde opération d'analyse d'image à base d'apprentissage machine et/ou d'intelligence artificielle (Al) pour évaluer une réponse clinique, et peuvent comprendre un profilage d'expression génique, et une analyse de plausibilité cible qui comprend une mise en correspondance de voie. Un ensemble de SNP/gènes candidats peut être construit pour prédire avec précision le premier phénotype d'imagerie avec un modèle d'apprentissage approfondi à partir desdits SNP/gènes pour servir d'étape de
