Nouvelle étude: un test non invasif prédit le risque de maladie d'Alzheimer et de démence

De nouvelles recherches suggèrent que les progrès technologiques permettent désormais aux logiciels de prédire le risque d’une personne de développer la maladie d’Alzheimer et les démences associées à partir d’informations obtenues lors de visites de routine chez le médecin.

La découverte est importante car il s'agit d'une méthode peu coûteuse et non intrusive pour détecter une maladie chronique qui perturbe souvent la vie de l'individu et de sa famille.

Des scientifiques du Regenstrief Institute, de l'Université de l'Indiana et de Merck ont ​​développé et testé les algorithmes en utilisant les données des dossiers médicaux électroniques. Ce nouveau développement est important car au moins 50% des patients âgés de soins primaires atteints de la maladie d'Alzheimer et de démences associées ne reçoivent jamais de diagnostic.

Et beaucoup d'autres vivent avec des symptômes pendant deux à cinq ans avant d'être diagnostiqués. À l'heure actuelle, les tests de dépistage du risque de démence sont invasifs, longs et coûteux.

«La grande chose à propos de cette méthode est qu'elle est passive et qu'elle offre une précision similaire aux tests les plus intrusifs actuellement utilisés», a déclaré le chercheur principal Malaz Boustani, MD, MPH, chercheur au Regenstrief Institute et professeur à l'Université de l'Indiana. Ecole de Médecine.

«Il s'agit d'une solution à faible coût et évolutive qui peut apporter des avantages substantiels aux patients et à leur famille en les aidant à se préparer à la possibilité de vivre avec la démence et en leur permettant d'agir.»

L'équipe de recherche, qui comprenait également des scientifiques de l'État de Géorgie, de l'Albert Einstein College of Medicine et du Solid Research Group, a récemment publié ses résultats sur deux approches d'apprentissage automatique différentes.

Un article, publié dans le Journal de l'American Geriatrics Society, a analysé les résultats d'un algorithme de traitement du langage naturel. Dans cette technique, les approches d'apprentissage automatique sont déterminées en analysant des exemples.

Une approche connexe, discutée dans un Intelligence artificielle en médecine article, a partagé les résultats d'un modèle qui utilise un ensemble d'arbres de décision. Les deux méthodes ont montré une précision similaire pour prédire l'apparition de la démence dans un délai d'un à trois ans après le diagnostic.

Afin de former les algorithmes, les chercheurs ont rassemblé des données sur les patients du Indiana Network for Patient Care. Les modèles ont utilisé des informations sur les ordonnances et les diagnostics, qui sont des champs structurés, ainsi que des notes médicales, qui sont en texte libre, pour prédire l'apparition de la démence.

Les chercheurs ont constaté que les notes en texte libre étaient les plus utiles pour aider à identifier les personnes à risque de développer la maladie.

«Cette recherche est passionnante car elle offre potentiellement des avantages significatifs aux patients et à leurs familles», a déclaré Patrick Monahan, PhD, auteur de l'étude à l'IU School of Medicine et chercheur affilié à Regenstrief.

«Les cliniciens peuvent fournir une éducation sur le comportement et les habitudes pour aider les patients à faire face à leurs symptômes et à vivre une meilleure qualité de vie.»

Zina Ben Miled, PhD, MS, auteur d'une étude de la Purdue School of Engineering and Technology, explique: «L'identification précoce des risques permet aux médecins et aux familles de mettre en place un plan de soins. Je sais par expérience à quel point il peut être difficile de faire face à un diagnostic de démence. La fenêtre offerte par ce test est si importante pour aider à améliorer la qualité de vie des patients et de leurs familles. »

Outre les avantages pour les familles, ces méthodes peuvent également permettre des économies significatives pour les patients et les systèmes de santé. Ils remplacent le besoin de tests coûteux et permettent aux cliniciens de dépister des populations entières pour identifier les personnes les plus à risque. Retarder l'apparition des symptômes permet également d'économiser beaucoup d'argent sur le traitement.

L’étape suivante consiste à déployer ces algorithmes d’apprentissage automatique dans des cliniques réelles pour tester s’ils aident à identifier des cas plus vrais de démence et à découvrir comment ils ont un impact sur la volonté du patient de suivre les résultats.

Source: Institut Regenstrief