Une nouvelle étude publiée dans PLOS ONE par une équipe de chercheurs de l’hôpital général du Massachusetts (MGH) a révélé un moyen d’utiliser l’intelligence artificielle pour détecter plus facilement la maladie d’Alzheimer.
En utilisant l’apprentissage en profondeur, qui a déjà été démontré comme étant capable de détecter avec succès plusieurs maladies à partir d’images de résonance magnétique de haute qualité du cerveau collectées dans un cadre de recherche contrôlé, ils ont été en mesure de détecter le risque de la maladie d’Alzheimer avec une précision de 90,2% à partir d’images cérébrales cliniques collectées de manière routinière.
« La maladie d’Alzheimer se produit généralement chez les personnes âgées, et donc les modèles d’apprentissage en profondeur ont souvent du mal à détecter les cas plus rares de début précoce », a déclaré le co-auteur de l’étude, Matthew Leming, dans un communiqué de presse.
« Nous avons résolu ce problème en rendant le modèle d’apprentissage en profondeur «aveugle» aux caractéristiques du cerveau qu’il trouve trop associées à l’âge du patient ».
Les chercheurs ont utilisé des images par résonance magnétique de patients vus à l’ hôpital général du Massachusetts avant 2019, y compris chez ceux atteints et non atteints de la maladie d’Alzheimer, et ont développé un modèle spécifique pour la détection de la maladie, basé sur ces images cérébrales.
Ils ont ensuite testé le modèle sur 11 103 images d’IRM provenant de 2 348 patients présentant un risque de maladie, ainsi que sur 26 892 images d’IRM provenant de 8 456 patients ne présentant pas la maladie.
Les données comprenaient cinq ensembles de données provenant de différents hôpitaux et périodes de temps : de l’hôpital général du Massachusetts après 2019, de l’hôpital Brigham and Women’s avant et après 2019, et de systèmes extérieurs avant et après 2019, afin d’assurer une précision dans des cas réels.
Dans l’ensemble des données, le modèle a obtenu un degré élevé de précision, en mesure de détecter avec précision le risque indépendamment des variables telles que l’âge des patients.
La maladie d’Alzheimer est le type le plus courant de démence et est définie comme une maladie progressive commençant par une légère perte de mémoire et pouvant conduire à une perte de la capacité à tenir une conversation et à réagir à l’environnement, selon les Centres de Contrôle et de Prévention des Maladies (CDC).
En 2020, il y avait 597 000 Canadiens atteints de démence, et aux États-Unis, on estime que 5,8 millions d’Américains sont atteints de la maladie d’Alzheimer.
D’ici 2030, il est prévu que 955 900 Canadiens seront atteints de démence.
Les résultats de l’étude sont très prometteurs pour les patients souffrant de la maladie d’Alzheimer, ainsi que pour les professionnels de la santé et les chercheurs qui travaillent à trouver de nouveaux traitements pour cette maladie dévastatrice.
« Nos résultats, avec une généralisabilité inter-sites, inter-temps et inter-population, constituent un argument convaincant en faveur de l’utilisation clinique de cette technologie de diagnostic », a déclaré Leming.
Cette nouvelle découverte pourrait aider à diagnostiquer la maladie d’Alzheimer plus tôt, ce qui peut améliorer les résultats pour les patients et aider les professionnels de la santé à prendre des décisions plus éclairées sur les traitements à utiliser.
De plus, cela pourrait contribuer à réduire le fardeau économique et social associé à la maladie d’Alzheimer en permettant un traitement plus précoce, ce qui peut réduire les coûts de soins de santé et améliorer la qualité de vie des patients et de leurs familles.
En conclusion, cette étude est un exemple important de la façon dont l’IA peut être utilisée pour améliorer la santé et le bien-être de la population. Les progrès continus dans le domaine de l’IA offrent des possibilités incroyables pour le diagnostic et le traitement de nombreuses maladies, y compris la maladie d’Alzheimer.
Vous devez être connecté pour poster un commentaire.