Percée IA : différencier les formes de démence devient possible

Temps de lecture: 2 minutes
Par Madelaine Dupont
- dans
'IA analysant des scans cérébraux sur une interface numérique'

ParisDes chercheurs de l'Université de Boston ont mis au point un outil d'IA capable de diagnostiquer avec précision dix types de démence différents, y compris la démence vasculaire, la démence à corps de Lewy et la démence frontotemporale. Cet outil est également performant dans les cas où plusieurs démences se superposent. Grâce à un puissant système d'apprentissage automatique, l'IA analyse les données cliniques couramment recueillies pour fournir des diagnostics précis. Ces données incluent notamment :

  • Informations démographiques
  • Antécédents médicaux du patient et de sa famille
  • Utilisation de médicaments
  • Résultats des examens neurologiques et neuropsychologiques
  • Données de neuroimagerie comme les scanners IRM

Chaque année, les médecins détectent dix millions de nouveaux cas de démence. Il leur est souvent difficile de distinguer les différents types de la maladie, car les symptômes se ressemblent. Cet outil d'IA peut rendre le processus de diagnostic plus simple et plus précis.

Une étude publiée dans Nature Medicine met en avant les travaux du Dr. Vijaya B. Kolachalama, auteur principal et professeur associé à l'Université de Boston. Il souligne l'importance d'établir des diagnostics en utilisant des données cliniques courantes. Cet outil pourrait devenir une solution de diagnostic généralisée, essentielle car l'accès aux tests de haute qualité est souvent difficile, que ce soit dans les régions éloignées et en développement ou même dans les centres de santé urbains.

L’équipe de recherche a formé son système d'apprentissage automatique avancé en utilisant des données provenant de plus de 50 000 personnes issues de neuf bases de données mondiales. Le modèle a obtenu d'excellents résultats, atteignant un score de 0,96 en prédiction des résultats avec précision. À titre de comparaison, un score de 0,5 représente une prédiction aléatoire, tandis qu'un score de 1 indique une précision parfaite.

Les chercheurs ont examiné l'impact de l'outil d'IA sur la précision des diagnostics des neurologues et neuroradiologues. Ils ont constaté que cet outil rend les neurologues 26% plus précis pour diagnostiquer les dix types de démence. Lors d'un test, 12 neurologues ont chacun diagnostiqué 100 cas choisis au hasard et attribué une note de confiance de 0 à 100. Ces notes ont ensuite été moyennées avec les scores de probabilité de l'IA, aboutissant à un score de neurologue assisté par l'IA.

Dr. Kolachalama souligne le manque d'experts en neurologie dans le monde, tandis que le nombre de patients augmente, ce qui met à rude épreuve les systèmes de santé. Il estime que l'IA peut être une solution en détectant les troubles dès leur apparition et en aidant les médecins à mieux gérer leurs patients, permettant ainsi de prévenir l'aggravation des maladies.

L'outil d'intelligence artificielle présente un grand potentiel, d'autant plus que le nombre de cas de démence devrait doubler au cours des 20 prochaines années. Il peut offrir des diagnostics précis, ce qui pourrait considérablement améliorer les traitements contre la démence.

Plusieurs organisations ont financé ce projet grâce à des subventions. Parmi elles, on trouve le Karen Toffler Charitable Trust, les Collaboratoires d'Intelligence Artificielle et de Technologie de l'Institut National sur le Vieillissement, ainsi que Gates Ventures.

À mesure que les cas de démence augmentent rapidement, l'utilisation d'outils d'IA dans les soins médicaux quotidiens pourrait améliorer considérablement les résultats pour les patients partout dans le monde. Cet outil pourrait être particulièrement précieux dans les régions dépourvues d'installations de diagnostic avancées. L'opportunité de renforcer les soins de la démence est notable.

L'utilisation de l'intelligence artificielle pour diagnostiquer divers types de démence pourrait transformer notre approche de ces maladies cérébrales.

L'étude est publiée ici:

http://dx.doi.org/10.1038/s41591-024-03118-z

et sa citation officielle - y compris les auteurs et la revue - est

Chonghua Xue, Sahana S. Kowshik, Diala Lteif, Shreyas Puducheri, Varuna H. Jasodanand, Olivia T. Zhou, Anika S. Walia, Osman B. Guney, J. Diana Zhang, Serena T. Pham, Artem Kaliaev, V. Carlota Andreu-Arasa, Brigid C. Dwyer, Chad W. Farris, Honglin Hao, Sachin Kedar, Asim Z. Mian, Daniel L. Murman, Sarah A. O’Shea, Aaron B. Paul, Saurabh Rohatgi, Marie-Helene Saint-Hilaire, Emmett A. Sartor, Bindu N. Setty, Juan E. Small, Arun Swaminathan, Olga Taraschenko, Jing Yuan, Yan Zhou, Shuhan Zhu, Cody Karjadi, Ting Fang Alvin Ang, Sarah A. Bargal, Bryan A. Plummer, Kathleen L. Poston, Meysam Ahangaran, Rhoda Au, Vijaya B. Kolachalama. AI-based differential diagnosis of dementia etiologies on multimodal data. Nature Medicine, 2024; DOI: 10.1038/s41591-024-03118-z
Intelligence Artificielle: Dernières nouvelles

Partager cet article

Commentaires (0)

Poster un commentaire