L'intelligence artificielle surpasse les tests cliniques pour prédire la progression de la maladie d'Alzheimer.
Des scientifiques de Cambridge ont créé un outil d'intelligence artificielle (IA) capable de prédire si les personnes présentant des signes précoces de démence resteront stables ou développeront la maladie d'Alzheimer. Cet outil est précis dans quatre cas sur cinq.
Cette nouvelle approche pourrait réduire le recours à des tests coûteux et invasifs, améliorant ainsi les résultats du traitement précoce. Les interventions précoces, telles que les changements de mode de vie ou l’adoption de nouveaux médicaments, sont plus efficaces à ce stade.
La démence est un problème de santé majeur à l’échelle mondiale, qui touche plus de 55 millions de personnes dans le monde et coûte environ 820 milliards de dollars par an. Le nombre de cas devrait presque tripler au cours des 50 prochaines années.
La maladie d'Alzheimer est la principale cause de démence, responsable de 60 à 80 % des cas. Une détection précoce est essentielle pour un traitement efficace, mais les méthodes actuelles impliquent souvent des tests invasifs ou coûteux comme la tomographie par émission de positons (TEP) ou la ponction lombaire, qui ne sont pas toujours disponibles.
En raison de ces limitations, jusqu’à un tiers des patients peuvent être mal diagnostiqués ou diagnostiqués trop tard pour un traitement efficace.
Une équipe du département de psychologie de l'université de Cambridge a développé un modèle d'apprentissage automatique permettant de prédire la vitesse à laquelle les personnes souffrant de troubles légers de la mémoire évolueront vers la maladie d'Alzheimer. Leurs recherches, publiées dans la revue eClinicalMedicine, montrent que ce modèle est plus précis que les outils de diagnostic clinique actuels.
Les chercheurs ont construit leur modèle en utilisant des données peu coûteuses et non invasives, notamment des tests cognitifs et des IRM montrant une atrophie cérébrale, provenant de plus de 400 individus d'une cohorte de recherche américaine.
Ils ont ensuite testé le modèle avec des données réelles provenant de 600 autres participants aux États-Unis et de 900 personnes issues de cliniques de mémoire au Royaume-Uni et à Singapour.
L'algorithme a pu faire la différence entre les personnes atteintes d'un trouble cognitif léger et celles qui développeraient la maladie d'Alzheimer dans les trois ans. Il a identifié correctement les personnes qui développeraient la maladie d'Alzheimer dans 82 % des cas et celles qui n'en développeraient pas dans 81 % des cas, en utilisant uniquement des tests cognitifs et des examens IRM.
Cet algorithme était environ trois fois plus précis que les méthodes actuelles, réduisant ainsi les risques d’erreur de diagnostic.
Ce modèle a également permis aux chercheurs de classer les personnes atteintes de la maladie d'Alzheimer en trois groupes : celles dont les symptômes resteraient stables (environ 50 %), celles qui progresseraient lentement (environ 35 %) et celles qui progresseraient rapidement (les 15 % restants).
Ces prédictions ont été validées par des données de suivi sur six ans. Cette identification précoce est cruciale pour appliquer de nouveaux traitements et surveiller de près les patients dont la maladie progresse rapidement.
Pour les 50 % dont les symptômes restent stables, le modèle suggère que leurs problèmes pourraient être dus à d’autres causes, comme l’anxiété ou la dépression, et qu’ils pourraient suivre des voies cliniques différentes.
La professeure Zoe Kourtzi de l'Université de Cambridge a déclaré : « Nous avons développé un outil qui utilise uniquement des tests cognitifs et des IRM, mais qui est plus sensible que les méthodes actuelles pour prédire si une personne va évoluer vers la maladie d'Alzheimer et à quelle vitesse. »
« Cela peut améliorer considérablement les soins prodigués aux patients, en montrant qui a besoin d’une surveillance étroite et en soulageant l’anxiété de ceux dont l’état devrait rester stable. Cela réduit également le besoin de tests inutiles. »
L'algorithme a été validé avec des données provenant de près de 900 personnes issues de cliniques de mémoire au Royaume-Uni et à Singapour, montrant qu'il pourrait être utilisé dans des contextes cliniques réels.
Le Dr Ben Underwood, psychiatre consultant honoraire au CPFT et professeur adjoint à l’Université de Cambridge, a souligné l’importance de réduire l’incertitude concernant les problèmes de mémoire chez les personnes âgées, qui peuvent être source d’inquiétude et de frustration.
Le professeur Kourtzi a souligné la nécessité de disposer de meilleurs outils pour lutter contre la démence en l’identifiant et en intervenant de manière précoce. L’équipe souhaite étendre son modèle à d’autres formes de démence et à différents types de données, comme les marqueurs des analyses sanguines.
« Notre objectif est de développer notre outil d’IA pour aider les cliniciens à affecter les bons patients aux bons parcours de diagnostic et de traitement au bon moment », a déclaré le professeur Kourtzi. « Cela peut accélérer la découverte de nouveaux médicaments pour traiter la démence. »
Source d'information:
Marqueur robuste et interprétable guidé par l’IA pour la prédiction précoce de la démence dans des contextes cliniques réels. [eClinicalMedicine (2024)]. DOI: 10.1016/j.eclinm.2024.102725
Discussion about this post