Prédire la maladie d’Alzheimer avec l’aide de l’IA

Une étude publiée en 2024 dans la revue Alzheimer’s & Dementia explore une méthode de prédiction fondée sur l’intelligence artificielle et des enregistrements d’entretiens. Elle cherche à estimer si un trouble cognitif léger évoluera vers une démence associée à la maladie d’Alzheimer dans les six ans. Il s’agit d’un outil de recherche prometteur, et non d’un diagnostic certain ou d’une prévention démontrée.

Alzheimer et démence

Les personnes qui vivent avec la maladie d’Alzheimer ou accompagnent un proche connaissent les difficultés qu’elle entraîne. Cette maladie est une cause majeure de démence. Elle altère progressivement la mémoire, l’orientation, le langage et l’autonomie. Un trouble cognitif léger peut accroître le risque d’évolution vers une démence, mais cette évolution n’est pas systématique. Alzheimer n’est pas une infection que l’on contracte.

Faits sur la maladie d’Alzheimer

La maladie d’Alzheimer constitue une cause importante de décès et de perte d’autonomie. L’estimation américaine citée pour 2023 faisait état d’environ 6,7 millions de personnes de 65 ans et plus vivant avec une démence due à Alzheimer. La maladie peut rendre difficiles les tâches quotidiennes et la reconnaissance des proches.

Les projections évoquées dans l’article portent ce nombre à environ 13,8 millions aux États-Unis en 2060, en l’absence d’avancées modifiant sensiblement la trajectoire de la maladie. Ces perspectives renforcent l’intérêt pour la prévention, le diagnostic et les traitements.

Pathologie de la maladie d’Alzheimer

La pathologie d’Alzheimer comprend des modifications biologiques telles que l’accumulation de bêta-amyloïde et de protéines tau anormales, ainsi que des réactions inflammatoires. Les tests neuropsychologiques évaluent les fonctions cognitives : ils ne mesurent pas directement ces biomarqueurs. L’imagerie et certaines analyses biologiques apportent des informations complémentaires.

Limites des méthodes actuelles d’évaluation

Les méthodes d’évaluation ont des limites différentes selon l’examen. Certaines techniques d’imagerie ou analyses biologiques peuvent être coûteuses ou nécessiter un prélèvement. Les entretiens et tests cognitifs ne sont pas, en eux-mêmes, des procédures invasives. Il faut donc distinguer les contraintes propres à chaque méthode.

L’avenir du dépistage de la maladie d’Alzheimer repose sur la voix

Les chercheurs étudient les liens entre certaines caractéristiques du langage et le déclin cognitif. Les entretiens enregistrés lors des évaluations neuropsychologiques fournissent des données longitudinales, qui peuvent être rapprochées de l’évolution ultérieure des participants.

Étude de Framingham sur le cœur (FHS)

La Framingham Heart Study a commencé en 1948 avec des hommes et des femmes de la ville de Framingham, dans le Massachusetts. Elle visait à identifier les facteurs de risque cardiovasculaire, et non à suivre uniquement des hommes ayant déjà subi un infarctus ou un AVC. Son suivi prolongé a ensuite permis de nombreuses recherches, notamment sur la cognition.

Ce travail collaboratif bénéficie du soutien du National Heart, Lung, and Blood Institute (NHLBI) et de l’université de Boston. Il s’agit de l’une des études cardiovasculaires les plus longues et les plus fructueuses jamais menées. Ses données ont ainsi contribué à d’innombrables avancées médicales et restent une précieuse source de données de santé à long terme.

Les enregistrements d’entretiens neuropsychologiques recueillis dans le cadre de cette cohorte permettent de comparer les caractéristiques du langage et l’évolution cognitive. Ils constituent une source de données utile pour développer et évaluer des modèles prédictifs.

L’intelligence artificielle améliore les méthodes de diagnostic

Le traitement automatique du langage naturel peut extraire des caractéristiques des propos recueillis pendant les entretiens. Les modèles apprennent ensuite des associations avec l’évolution cognitive. Ils estiment un risque : ils ne déterminent pas avec certitude le devenir de chaque patient.

Étude sur Alzheimer et la démence

L’étude a combiné traitement automatique du langage et apprentissage automatique. Les chercheurs ont utilisé des entretiens de 166 participants de la cohorte de Framingham présentant un trouble cognitif léger.
L’objectif était de prédire l’évolution du trouble cognitif léger, plutôt que de distinguer simplement une cognition normale d’une démence déjà installée. L’échantillon comprenait 90 personnes dont l’état avait progressé et 76 dont l’état était resté stable sur la période considérée.

Données d’entrée

Les chercheurs ont comparé plusieurs modèles de régression logistique utilisant des caractéristiques tirées des sous-tests et un score moyen des transcriptions, ou TAS. Une reconnaissance automatique de la parole transformait d’abord les enregistrements en texte.

Données vocales

Les données provenaient des entretiens neuropsychologiques enregistrés des 166 participants. Leur transcription permettait d’exploiter le contenu verbal dans les modèles, sans devoir saisir manuellement chaque entretien.

L’encodeur universel de phrases

Universal Sentence Encoder transforme des segments de texte en représentations numériques, appelées vecteurs. Ces représentations permettent au modèle d’exploiter le contenu des réponses et de comparer les caractéristiques des entretiens.

Améliorations des modèles d’IA

L’équipe a utilisé les transcriptions pour produire des représentations du contenu des sous-tests. Plusieurs caractéristiques textuelles ont ensuite servi à construire les modèles. L’apprentissage et l’évaluation doivent rester séparés afin de mesurer correctement la capacité de prédiction.

Modèles de régression logistique

Les caractéristiques quantitatives de chaque sous-test ont alimenté des modèles prédictifs. Les chercheurs ont aussi étudié un score moyen de transcription, le TAS. Ces indicateurs résument des associations observées dans les données; ils ne mesurent pas directement la progression biologique de la maladie.

Les chercheurs ont comparé différentes combinaisons de données textuelles, démographiques et cliniques. Les meilleurs résultats reposaient sur les caractéristiques du langage associées à l’âge, au sexe et au niveau d’études, avec une proportion de prédictions correctes proche de 79 % dans cet échantillon.

L’équipe a également évalué des modèles limités aux données démographiques ou au texte. Le modèle démographique atteignait une exactitude de 68,8 %, tandis que les meilleurs modèles combinés approchaient 79 %. Ces résultats concernent l’échantillon étudié.

Test des modèles

Les performances ont été évaluées par validation croisée en groupes, selon plusieurs critères, dont l’exactitude, la précision, la sensibilité et la spécificité. La sélection des caractéristiques faisait également partie de l’évaluation.

Résultats

Les résultats sont encourageants : le meilleur modèle prédisait l’évolution dans les six ans avec une exactitude proche de 79 %. Les caractéristiques du langage et certaines données démographiques contribuaient à la prédiction. Cela ne signifie pas qu’elles constituent toutes des causes de la maladie ni une mesure d’« exposition » à un agent infectieux.

Avantages de l’étude sur la maladie d’Alzheimer

Une analyse automatisée des entretiens pourrait rendre certaines évaluations moins coûteuses et plus accessibles. Elle pourrait limiter le travail de transcription et faciliter une évaluation à distance. Les économies réelles et l’utilité clinique doivent toutefois être confirmées avant un déploiement généralisé.
Un outil prédictif validé pourrait aider les professionnels à orienter les patients vers des examens ou un suivi appropriés. Il ne permet pas, à lui seul, de choisir un traitement ou de démontrer une amélioration de la survie.

Non invasif

L’analyse d’un entretien enregistré est non invasive et ne nécessite pas de prélèvement de tissu. Elle ne remplace pas nécessairement les autres examens utilisés pour établir un diagnostic clinique.

Entreprises qui pourraient bénéficier de cette étude

Des entreprises actives dans les maladies neurologiques pourraient s’intéresser à ces méthodes de recherche. Leur intégration dans des produits ou services exige cependant une validation clinique et, selon l’usage, des autorisations. Les deux sociétés suivantes sont des exemples d’acteurs du domaine.

1. Biogen

BIIB Graphique du prix

Biogen est une entreprise de biotechnologie basée dans le Massachusetts, aux États-Unis, qui développe des traitements pour des maladies neurologiques et d’autres affections. Des méthodes de prédiction validées pourraient soutenir la recherche ou l’orientation des patients, sans que cette étude démontre une intégration immédiate chez Biogen.
L’article situait la capitalisation de Biogen à environ 33,16 milliards de dollars au moment de sa rédaction. Les perspectives commerciales dépendent notamment de ses produits, de leur adoption et des résultats de recherche. Les prévisions de croissance ne constituent pas un rendement garanti.

2. Eisai

Eisai est une entreprise pharmaceutique japonaise basée à Tokyo. Elle mène des activités de recherche, de développement et de commercialisation de médicaments et collabore notamment avec Biogen dans le domaine d’Alzheimer. Ce partenariat ne se réduit pas à un simple accord d’importation et d’exportation.
Eisai a contribué au développement de plusieurs médicaments. L’article mentionne sa présence dans un portefeuille modèle ESG d’Argus, fondé sur des critères environnementaux, sociaux et de gouvernance. Cette sélection ne rend pas le titre ESALY adapté à tous les portefeuilles.

L’avenir des soins de santé IA

Cette étude s’inscrit dans un ensemble de recherches sur l’IA en santé. Des outils à domicile ou à distance pourraient devenir plus accessibles, mais leur validation et leur déploiement restent des étapes distinctes. Voici d’autres exemples de travaux dans ce domaine.

Détection d’AVC par IA

Des outils d’IA sont aussi étudiés pour aider au repérage des AVC. Des chercheurs de l’université RMIT ont développé un outil expérimental sur smartphone qui analyse notamment l’asymétrie du visage. Il vise à aider les secours à reconnaître rapidement des signes d’AVC; il ne remplace pas les examens diagnostiques complets.

Parole assistée par IA

L’assistance à la communication est un autre domaine de recherche. Certains systèmes utilisent des modèles de langage pour aider des personnes présentant des troubles de la parole à construire ou transmettre des phrases. Leur efficacité dépend de la technologie et de la situation clinique.

Mouvement assisté par IA

L’IA est également étudiée pour améliorer la commande des exosquelettes. Des modèles peuvent anticiper certaines intentions de mouvement et ajuster l’assistance lors de la marche ou du franchissement d’obstacles. Les capacités varient selon les appareils et ne sont pas universelles.

L’IA pourrait améliorer l’évaluation du risque de maladie d’Alzheimer

L’analyse automatisée du langage pourrait contribuer à une évaluation plus accessible du risque d’évolution cognitive. Cette étude ne démontre ni une prévention d’Alzheimer ni une guérison. Elle ouvre une piste qui doit être confirmée dans d’autres populations et évaluée en pratique clinique.
Découvrez d’autres avancées technologiques.