IBM et Pfizer affirment avoir développé un modèle qui peut prédire l’apparition de la maladie d’Alzheimer des années avant l’apparition de symptômes évidents.
Les chercheurs de Pfizer et d’IBM affirment avoir mis au point une technique d’apprentissage automatique qui permet de prédire la maladie d’Alzheimer des années avant l’apparition des symptômes. En analysant de petits échantillons de données linguistiques obtenues à partir de tests verbaux cliniques, l’équipe affirme que leur approche a atteint une précision de 71 % lorsqu’elle a été testée sur un groupe de personnes en bonne santé cognitive.
La maladie d’Alzheimer commence par des signes vagues et souvent mal interprétés de légères pertes de mémoire, suivis d’un déclin lent et progressif des capacités cognitives et de la qualité de vie. Selon l’association à but non lucratif Alzheimer’s Association, plus de 5 millions d’Américains de tous âges sont atteints de la maladie d’Alzheimer, et chaque État devrait connaître une augmentation d’au moins 14 % de la prévalence de la maladie d’Alzheimer entre 2017 et 2025. En raison de la nature de la maladie d’Alzheimer et de la façon dont elle s’installe dans le cerveau, il est probable que le meilleur moyen de retarder son apparition soit une intervention précoce. Mais la maladie est souvent détectée trop tard pour éviter qu’elle ne s’accélère.
IBM a déjà exploré l’utilisation de l’IA pour identifier les protéines qui peuvent prédire la concentration de bêta-amyloïde, un peptide qui change avant que les problèmes de mémoire liés à la maladie d’Alzheimer ne soient apparents. Et au-delà d’IBM, d’autres ont étudié la capacité de l’IA à repérer les caractéristiques de la maladie d’Alzheimer et de la démence. Par exemple, les chercheurs de Unlearn.AI, une start-up qui conçoit des outils logiciels pour la recherche clinique, ont récemment publié un article exposant un système qui peut anticiper la progression de la maladie, en projetant les symptômes que les patients vont ressentir. Un autre article, rédigé par des chercheurs de l’université de Californie à Berkeley, décrit un système d’IA qui peut ostensiblement prédire la maladie d’Alzheimer à partir de scanners du cerveau jusqu’à six ans avant le diagnostic clinique.
Mais IBM et Pfizer affirment que ce dernier travail diffère « considérablement » des recherches précédentes et de l’application de l’IA pour aider à prédire la maladie d’Alzheimer. Contrairement aux études de prédiction de l’apparition de la maladie qui se concentrent sur des sujets présentant des signes de déficience cognitive, les chercheurs ont travaillé avec des échantillons qui ont été recueillis avant que les sujets de l’étude ne présentent les premiers signes de déficience. Ils ont également évalué le risque d’Alzheimer dans la population générale au lieu de cibler uniquement les groupes à haut risque, en capturant un spectre de personnes incluant celles qui n’ont pas d’antécédents familiaux de la maladie ou d’autres facteurs de risque.
L’étude a porté sur 703 échantillons provenant de 270 participants, dont la moitié a développé des symptômes de la maladie d’Alzheimer avant l’âge de 85 ans (le délai moyen de diagnostic de la maladie d’Alzheimer légère était d’environ sept ans et demi). D’un point de vue linguistique, les chercheurs ont pris en compte plus de 87 variables, dont les fautes d’orthographe, l’utilisation de la ponctuation, la mise en majuscules, la verbosité, la richesse lexicale et la répétitivité. En outre, ils ont examiné l’âge, le sexe, l’éducation, le raisonnement visuospatial et exécutif, la dénomination des objets, la mémoire, l’attention, l’abstraction et les résultats des tests de l’évaluation cognitive MoCA de Montréal.
L’équipe d’IBM et de Pfizer a analysé les transcriptions des échantillons des participants à l’aide du traitement du langage naturel, ce qui leur a permis d’exploiter l’IA pour repérer les subtilités et les changements du discours qu’ils auraient pu manquer autrement. Et après avoir obtenu le consentement et l’approbation de l’Institutional Review Board de l’Université de Boston, ils ont utilisé les données des sujets originaux (ainsi que de leur progéniture et de leurs conjoints) dans le cadre de la Framingham Heart Study, une étude de population supervisée par le Service de santé publique américain pour étudier l’épidémiologie et les risques de maladies cardiovasculaires. Dans l’étude de Framingham, les personnes inscrites sont évaluées tous les quatre ans à l’aide d’un test vocal de deux minutes, le Mini-Mental State Examination, et d’examens neuropsychologiques chaque année lorsqu’un éventuel déclin cognitif est signalé par un membre de la famille.
Ces étapes ont permis d’obtenir un ensemble de données plus important que celui utilisé dans d’autres études et de vérifier les projections avec des résultats réels. Par exemple, si le modèle développé par les coauteurs d’IBM et de Pfizer prédisait qu’un sujet de 65 ans de Framingham développerait la maladie d’Alzheimer avant l’âge de 85 ans, ils pouvaient vérifier les dossiers de cette personne pour savoir si le sujet avait été diagnostiqué avec la maladie et quand le diagnostic avait été posé.
Il convient de noter que Framingham n’a interrogé que des milliers d’adultes dans la ville de Framingham, dans le Massachusetts. Les recherches ont montré qu’une grande partie des données utilisées pour former les algorithmes de diagnostic des maladies peuvent perpétuer les inégalités. Récemment, une équipe de scientifiques britanniques a découvert que presque tous les ensembles de données sur les maladies oculaires proviennent de patients d’Amérique du Nord, d’Europe et de Chine, ce qui signifie que les algorithmes de diagnostic des maladies oculaires sont moins certains de bien fonctionner pour les groupes raciaux des pays sous-représentés. Dans une autre étude, des chercheurs de l’université de Stanford ont affirmé que la plupart des données américaines pour les études impliquant des utilisations médicales de l’IA proviennent de Californie, de New York et du Massachusetts.
En effet, les chercheurs ont trouvé des preuves de biais dans leur propre modèle, qui prédisait l’apparition de la maladie d’Alzheimer pour les participants sans diplôme universitaire avec plus de précision que pour ceux qui en avaient un (76% contre 70%). Ils ont également obtenu une plus grande précision chez les femmes que chez les hommes (83 % contre 64 %), avec des résultats en moyenne 2,61 fois meilleurs chez les femmes que chez les hommes.
Conscients de cela, les chercheurs d’IBM et de Pfizer disent qu’ils prévoient d’utiliser des ensembles de données qui élargissent la diversité géographique, socio-économique et raciale des sujets à mesure que leurs travaux se poursuivent. « Il est souvent très difficile d’obtenir cette diversité de données en termes de prédiction des maladies, et l’accès à ces données nous a permis de former ces modèles avec précision », ont-ils écrit dans un article de blog. « Nous continuerons à former nos algorithmes tout en respectant les principes fondamentaux de la vie privée, de la transparence et du consentement ».
L’équipe pense que si leurs travaux – qui sont publiés dans The Lancet eClinicalMedicine – devaient finalement atteindre les systèmes de production, ils pourraient aider les médecins à déterminer la nécessité d’évaluations, de tests et de contrôles psychiatriques plus complexes et plus exigeants. Cela pourrait également ouvrir la porte à des essais cliniques plus fructueux, car ceux qui sont considérés comme ayant une forte probabilité de développer la maladie pourraient participer à des essais de thérapies préventives.
« Notre vision est qu’un jour, les cliniciens disposeront de multiples outils d’IA et d’apprentissage automatique pour aider à identifier si une personne est à risque de développer la maladie d’Alzheimer. La précision de notre modèle] est nettement supérieure aux prédictions basées sur des échelles cliniques (59 %), qui sont des prédictions basées sur d’autres données biomédicales disponibles sur un patient », a poursuivi l’équipe. « Un jour, les médecins pourraient être en mesure d’utiliser des tests vocaux et sanguins en conjonction les uns avec les autres, en s’appuyant sur l’IA pour les aider à prédire le risque de maladie d’Alzheimer et à jeter les bases de mesures préventives ».