L'IA peut aider à prédire qui répond aux antidépresseurs
L'intelligence artificielle (IA) a identifié des modèles d'activité cérébrale spécifiques chez les personnes déprimées qui sont moins sensibles à certains antidépresseurs, selon deux nouvelles études menées par des chercheurs du Southwestern Medical Center de l'Université du Texas (UT) à Dallas.
Les études font partie d'un grand essai national (EMBARC) destiné à établir des stratégies objectives basées sur la biologie pour aider à traiter les troubles de l'humeur et minimiser les essais et erreurs de prescription de traitements. En cas de succès, les scientifiques envisagent d'utiliser une batterie de tests tels que l'imagerie cérébrale et les analyses de sang pour augmenter les chances de trouver le bon traitement.
«Nous devons mettre fin au jeu des devinettes et trouver des mesures objectives pour prescrire des interventions qui fonctionneront», a déclaré le Dr Madhukar Trivedi, qui supervise EMBARC et est le directeur fondateur du Centre de recherche sur la dépression et de soins cliniques de UT Southwestern.
«Les personnes dépressives souffrent déjà de désespoir et le problème peut s'aggraver si elles prennent un médicament inefficace.»
Les études, impliquant plus de 300 participants, ont utilisé l'imagerie pour analyser l'activité cérébrale à la fois au repos et pendant le traitement des émotions. Les deux études ont impliqué un groupe témoin sain et des personnes souffrant de dépression qui ont reçu des antidépresseurs ou un placebo.
Parmi ceux qui ont reçu des médicaments, les chercheurs ont trouvé des associations entre la façon dont le cerveau est câblé et si un participant était susceptible de s'améliorer dans les deux mois suivant la prise d'un antidépresseur.
Trivedi a déclaré que l'imagerie de l'activité cérébrale dans divers états était importante pour obtenir une image plus précise de la façon dont la dépression se manifeste chez un patient particulier. Pour certaines personnes, a-t-il dit, les données les plus pertinentes proviendront de l’état de repos de leur cerveau, tandis que pour d’autres, le traitement émotionnel sera un élément essentiel et un meilleur prédicteur de l’efficacité d’un antidépresseur.
«La dépression est une maladie complexe qui affecte les gens de différentes manières», dit-il. «Tout comme la technologie peut nous identifier grâce aux empreintes digitales et aux scans faciaux, ces études montrent que nous pouvons utiliser l'imagerie pour identifier les signatures spécifiques de la dépression chez les personnes.
Les chercheurs ont analysé les données de l'essai EMBARC de 16 semaines, qui évaluait des patients atteints de trouble dépressif majeur par imagerie cérébrale et divers tests ADN, sanguins et autres. L'objectif était de répondre à une constatation troublante d'une étude précédente menée par Trivedi qui avait révélé que jusqu'à deux tiers des patients ne répondent pas de manière adéquate à leur premier antidépresseur.
La première étude de EMBARC, publiée en 2018, s'est concentrée sur la façon dont l'activité électrique dans le cerveau peut indiquer si un patient est susceptible de bénéficier d'un ISRS (inhibiteur sélectif du recaptage de la sérotonine), la classe d'antidépresseur la plus courante.
Cette découverte a été suivie d'une recherche connexe qui identifie d'autres tests prédictifs pour les ISRS, plus récemment l'étude d'imagerie cérébrale au repos publiée dans le Journal américain de psychiatrie et la deuxième étude d'imagerie publiée dans Comportement humain de la nature.
Dans la deuxième étude d'imagerie, les chercheurs ont utilisé l'intelligence artificielle pour déterminer les associations entre l'efficacité d'un antidépresseur et la façon dont le cerveau d'un patient traite les conflits émotionnels.
Les participants subissant une imagerie cérébrale ont vu des photographies en succession rapide qui offraient des messages parfois contradictoires tels qu'un visage en colère avec le mot «heureux», ou vice versa. Chaque participant a été invité à lire le mot sur la photo avant de cliquer sur l'image suivante.
Cependant, plutôt que d'observer uniquement les régions neurales considérées comme pertinentes pour prédire les avantages des antidépresseurs, les chercheurs ont utilisé l'apprentissage automatique pour analyser l'activité dans l'ensemble du cerveau.
«Nos hypothèses pour savoir où chercher n'ont pas abouti, nous voulions donc essayer quelque chose de différent», a déclaré Trivedi.
L'IA a identifié des régions cérébrales spécifiques, y compris les cortex préfrontal latéraux, qui étaient les plus importantes pour prédire si les participants bénéficieraient d'un ISRS. Les résultats ont révélé que les participants qui avaient des réponses neuronales anormales pendant un conflit émotionnel étaient moins susceptibles de s'améliorer dans les huit semaines suivant le début du traitement.
Source: Centre médical UT Southwestern
