Des chercheurs australiens et américains ont développé une IA capable de prédire la maladie de Parkinson avec une précision de 96 %, avant les symptômes. Le réseau de neurones analyse les métabolites présents dans l’organisme. C’est ainsi que fonctionne CRANK-MS.
Une intelligence artificielle a été créée qui peut prédire le développement de la maladie de Parkinson avant l’apparition des symptômes typiques de la maladie, tels que des tremblements et des mouvements ralentis. Il s’agit d’un système expérimental – un prototype – qui n’a pas encore été validé, mais la précision démontrée dans une nouvelle étude est si élevée (96 %) qu’il pourrait se transformer en un outil de diagnostic exceptionnel. À ce jour, en effet, il n’existe pas de tests sanguins et autres tests capables de prédire le risque de développer une maladie neurodégénérative (d’origine non génétique) ; le diagnostic est normalement posé après l’apparition des symptômes. Mais il y a des sonnettes d’alarme – telles que les troubles du sommeil – présentes de nombreuses années avant l’apparition de ceux-ci. Dans les cas suspects, un dépistage pourrait être effectué avec l’intelligence artificielle et le risque déterminé, en prenant toutes les mesures nécessaires à l’avance.
Une équipe de recherche internationale dirigée par des scientifiques australiens de l’Université de Nouvelle-Galles du Sud (UNSW), qui ont travaillé en étroite collaboration avec des collègues, a développé une IA capable de prédire le développement de la maladie de Parkinson avant les symptômes du Département de médecine et de la Faculté d’informatique et de science des données de l’Université de Boston (États-Unis). Les chercheurs, coordonnés par J. Diana Zhang et William A. Donald de l’École de chimie, ont développé l’intelligence artificielle – un réseau de neurones inspiré des « nœuds » du cerveau humain – à partir des données recueillies dans l’étude prospective européenne espagnole Enquête sur le cancer et la nutrition (EPIC). Les chercheurs se sont concentrés sur 39 patients qui ont développé la maladie de Parkinson dans les 15 ans suivant l’enquête. Concrètement, ils ont collecté toutes les données relatives à leurs métabolites, les composés chimiques produits par l’organisme à la suite de la consommation alimentaire, de la prise de médicaments et de l’exposition aux produits chimiques. Ce sont de véritables biomarqueurs détectables dans le sang et d’autres échantillons biologiques.
La grande quantité de données a été comparée à l’ensemble de métabolites de 39 sujets sains et a été transmise au système d’apprentissage automatique, qui a recherché des modèles capables de prédire le risque de développer la maladie. L’intelligence artificielle, appelée CRANK-MS (acronyme de Classification and Ranking Analysis using Neural network generates Knowledge from Mass Spectrometry), s’appuie sur les données d’un test de laboratoire appelé spectrométrie de masse pour identifier des modèles parmi les métabolites, qui peuvent être des milliers. « La méthode la plus courante d’analyse des données métabolomiques consiste à utiliser des approches statistiques. Mais dans ce cas, nous tenons compte du fait que les métabolites peuvent avoir des associations avec d’autres métabolites, et c’est là que l’apprentissage automatique entre en jeu. Avec des centaines ou des milliers de métabolites, nous avons utilisé la puissance de calcul pour comprendre ce qui se passe », a déclaré le Dr Zhang dans un communiqué de presse.
À partir de l’analyse des données, par exemple, l’IA a révélé que les patients atteints de la maladie de Parkinson avaient des taux de triterpénoïdes dans leur sang inférieurs à ceux en bonne santé. Ce sont des substances neuroprotectrices normalement présentes dans les pommes, les tomates et les olives, expliquent les auteurs de l’étude. « Une future étude pourrait examiner si la consommation de ces aliments peut protéger naturellement contre le développement de la maladie de Parkinson », souligne l’université australienne. L’IA a également observé que les fameuses substances perfluoroalkylées ou PFAS, perturbateurs endocriniens – dites « substances chimiques pour toujours » en raison de leur faible dégradabilité dans l’environnement – associées à de multiples pathologies étaient présentes chez les patients atteints de la pathologie neurodégénérative.
Pour confirmer si les modèles de métabolites peuvent réellement être prédictifs de la maladie de Parkinson, il faut étudier des cohortes beaucoup plus importantes, la prochaine étape de la recherche CRANK-MS. Cependant, les prémisses sont extrêmement positives, étant donné que l’IA a pu prédire l’émergence de la maladie de Parkinson avec une précision de 96 %. La méthode pourrait également être appliquée pour d’autres pathologies. « Cette approche basée sur le NN (réseau de neurones NDR) précise et interprétable devrait améliorer les performances de diagnostic de nombreuses maladies en utilisant la métabolomique et d’autres méthodes » omiques « non ciblées », ont expliqué les scientifiques dans le résumé de l’étude. Les détails de la recherche « Interpretable Machine Learning on Metabolomics Data Reveals Biomarkers for Parkinson’s Disease » ont été publiés dans la revue scientifique spécialisée ACS Central Science.
Vidéo, découvrez les 7 Explosions Nucléaires les plus puissantes jamais filmées :
