Maladie de Parkinson : des chercheurs de l’Université de Boston et de l’UNSW développent un outil d’IA pour prédire la maladie de Parkinson

Des chercheurs de la Université de Nouvelle-Galles du Sud (UNSW) et Université de Boston ont développé un modèle d’intelligence artificielle (IA) capable d’identifier Parkinsonjusqu’à 15 ans avant qu’elle ne soit diagnostiquée cliniquement. La maladie de Parkinson est un trouble neurologique en augmentation rapide dans le monde, caractérisé par la dégénérescence des cellules nerveuses du cerveau et accompagné de symptômes tels que des tremblements corporels, des mouvements lents, de la raideur et des problèmes d’équilibre. En plus de ces signes physiques et cognitifs bien connus, il existe d’autres des symptômes tels que la dépression, les troubles du sommeil, la constipation et la perte de l’odorat qui peuvent se manifester plusieurs années avant les signes les plus reconnaissables de la maladie. À l’heure actuelle, aucun test définitif n’est disponible pour diagnostiquer la maladie de Parkinson, et les professionnels de la santé se fient aux symptômes, aux examens physiques et aux antécédents médicaux pour établir un diagnostic.

Pour relever ce défi, l’équipe de l’UNSW et de l’Université de Boston a formé son modèle d’IA à l’aide d’échantillons de sang obtenus à partir d’une étude impliquant 41 000 participants, qui étaient à l’origine étudiés pour le cancer et la nutrition. Le modèle a été formé pour détecter la maladie de Parkinson sur la base des données générées par cette étude, fournissant une approche potentiellement révolutionnaire pour la détection précoce.

Le modèle d’IA a été fourni avec des données sanguines de 39 personnes qui ont finalement développé la maladie de Parkinson, ainsi qu’un nombre égal de patients témoins choisis au hasard. En analysant les métabolites dans les échantillons de sang, l’IA a atteint une précision remarquable de 96 % dans l’identification des personnes qui seraient plus tard diagnostiquées avec la maladie de Parkinson, et cette détection pourrait se produire jusqu’à 15 ans avant que la maladie ne soit diagnostiquée cliniquement.

En comparaison, les méthodes cliniques actuelles de diagnostic de la maladie de Parkinson donnent généralement une précision comprise entre 65 % et 93 %, ce qui met en évidence les limites des approches existantes.

Les métabolites sont produits par le corps à la suite de la dégradation de diverses substances, notamment des aliments et des médicaments. Des variations dans les concentrations de métabolites spécifiques peuvent indiquer la présence d’une maladie ou même une résistance à celle-ci.

Les chercheurs de l’UNSW ont identifié une découverte importante dans leur étude. Ils ont identifié un produit chimique particulier, probablement un triterpénoïde, comme un métabolite crucial qui pourrait potentiellement prévenir la maladie de Parkinson. Ils ont observé que l’abondance de ce triterpénoïde était plus faible dans le sang des individus qui ont développé plus tard la maladie de Parkinson par rapport à ceux qui n’ont pas développé la maladie.

De plus, la recherche a révélé un lien entre un produit chimique synthétique appelé substance alkyl polyfluorée et un risque accru de maladie de Parkinson. Ce produit chimique a été trouvé à des niveaux plus élevés chez les individus, qui ont ensuite été diagnostiqués avec la maladie de Parkinson.

Bien que les résultats soient prometteurs, l’équipe de l’UNSW reconnaît la nécessité de poursuivre les recherches pour valider ces résultats, impliquant de préférence des populations plus importantes. Cependant, ils sont optimistes sur le fait que cette percée peut conduire à une détection plus précoce de la maladie de Parkinson, améliorant ainsi la qualité de vie des patients et réduisant potentiellement les coûts des soins de santé. Comme étape vers cet objectif, ils ont déjà rendu l’outil accessible au public.

FAQ

1. Que signifie IA ?
   AI signifie intelligence artificielle.
2. Où les chercheurs ont-ils téléchargé l’outil d’IA pour reconnaître la maladie de Parkinson ?
   Sur Github.