lundi 15 avril 2019

L’intelligence artificielle pour le diagnostic précoce de schizophrénie

Publié le 15/04/2019


Connue pour sa participation au défi « Ma thèse en 180 secondes »[1], Amicie de Pierrefeu poursuit des recherches sur le développement d’outils d’aide au diagnostic pour les maladies affectant le cerveau, en particulier la schizophrénie où, jusqu’à présent, le diagnostic s’appuie « essentiellement sur des critères cliniques », bien que certaines structures cérébrales (comme l’hippocampe et les amygdales) soient aussi concernées.

Cette chercheuse et son équipe s’efforcent de conjuguer les progrès parallèles de l’imagerie structurelle[2] et des algorithmes en intelligence artificielle (machine learning, apprentissage automatique)[3] pour repérer des changements structurels, à valeur prodromique, dès les premiers stades de la maladie et permettre ainsi un diagnostic et donc une prise en charge plus précoces.

Une signature au bout d’un algorithme

Alors que les travaux antérieurs reposaient sur « des cohortes relativement petites ou sur un seul site de recrutement », et sans contrôle « du stade de la maladie ni de l’effet du traitement », une nouvelle étude présente les résultats obtenus avec « un algorithme d’apprentissage automatique fournissant une signature interprétable du cerveau » et validés sur de plus « vastes ensembles de données », recueillies sur 4 sites différents et portant sur 276 patients atteints de schizophrénie et sur 330 sujets-témoins.

Surtout, les auteurs ont « évalué pour la première fois la signature prédictive concernant la médication et la durée de la maladie. » Et ils observent une « excellente stabilité prédictive » de cette signature, en d’autres termes des modifications neuro-anatomiques perceptibles sur les données d’imagerie cérébrale, analysées par l’algorithme d’apprentissage automatique. Cette stabilité prédictive de la signature se vérifie aussi bien dans l’espace (avec des prédictions intersites significatives dans 72 % des cas) que dans le temps où elle se révèle « commune et partagée par une majorité de patients, même à un stade précoce de la maladie », avec une « précision de 73 % chez des patients atteints d’un premier épisode psychotique. »

Il reste maintenant à transposer dans la pratique clinique les avancées de ces recherches interdisciplinaires : psychiatrie, imagerie, informatique…


Dr Alain Cohen
RÉFÉRENCE
de Pierrefeu A et coll.: Identifying a neuroanatomical signature of schizophrenia, reproducible across sites and stages, using machine learning with structured sparsity. Acta Psychiatrica Scandinavica, 2018: 138: 571–580.

Aucun commentaire:

Enregistrer un commentaire