Diagnostiquer différentes formes de démence est désormais possible grâce à l’IA, selon une étude

Dix millions de nouveaux cas de démence sont diagnostiqués chaque année, mais la présence de différentes formes de démence et de symptômes qui se chevauchent peut compliquer le diagnostic et l’administration de traitements efficaces. Des chercheurs de l’Université de Boston ont désormais développé un outil d’IA capable de diagnostiquer dix types différents de démence, comme la démence vasculaire, la démence à corps de Lewy et la démence frontotemporale, même si elles sont concomitantes.

Les chercheurs ont créé un cadre d’apprentissage automatique multimodal (ML) qui identifie avec précision les pathologies spécifiques à l’origine de la démence à l’aide de données cliniques couramment collectées, telles que les informations démographiques, les antécédents médicaux du patient et de la famille, l’utilisation de médicaments, les résultats des examens neurologiques et neuropsychologiques et les données de neuroimagerie telles que les examens IRM. Ces résultats sont publiés en ligne dans Médecine naturelle.

« Notre outil d’IA générative permet un diagnostic différentiel de la démence à l’aide de données cliniques collectées en routine, démontrant son potentiel en tant qu’outil de diagnostic évolutif pour la MA et les démences associées », explique l’auteur correspondant Vijaya B. Kolachalama, Ph.D., FAHA, professeur associé de médecine à la faculté de médecine Chobanian & Avedisian de l’université de Boston.

« La capacité à générer un diagnostic à partir de données cliniques de routine devient de plus en plus importante compte tenu des défis importants liés à l’accès aux tests de référence, non seulement dans les régions éloignées et en développement économique et dans les centres de santé urbains », ajoute Kolachalama, qui est également professeur associé d’informatique, professeur affilié à l’Institut Hariri d’informatique et membre fondateur de la Faculté d’informatique et des sciences des données de l’Université de Boston.

Dans l’étude, le cadre ML multimodal a été formé sur des données provenant de plus de 50 000 individus issus de neuf ensembles de données mondiaux différents. Le modèle a obtenu une aire sous la courbe ROC (Receiver Operating Characteristic) de 0,96 pour différencier les types de démence. Le score ROC peut varier de 0 à 1. Un score de 0,5 indique une estimation aléatoire et un score de 1 indique une performance parfaite.

L’équipe a également comparé les performances des neurologues et des neuroradiologues travaillant seuls avec l’outil d’IA et a découvert que l’IA peut améliorer la précision des neurologues de plus de 26 % sur les 10 types de démence. À partir de 100 cas sélectionnés au hasard, 12 neurologues ont été invités à établir un diagnostic et à fournir un score de confiance compris entre 0 et 100. Ce score de confiance a ensuite été moyenné avec le score de probabilité obtenu par l’outil d’IA pour obtenir un score de neurologue augmenté par l’IA.

« Il n’y a pas assez de spécialistes en neurologie dans le monde et le nombre de patients qui ont besoin de leur aide augmente rapidement. Cette inadéquation met à rude épreuve le système de santé. Nous pensons que l’IA peut aider en identifiant ces troubles de manière précoce et en aidant les médecins à gérer leurs patients plus efficacement, empêchant ainsi que les maladies ne s’aggravent », explique Kolachalama.

Alors que les cas de démence devraient doubler au cours des 20 prochaines années, les chercheurs espèrent que cet outil d’IA pourra fournir un diagnostic différentiel précis et répondre à la demande croissante d’interventions thérapeutiques ciblées pour la démence.