305. NEUROLOGIE & NEUROSCIENCES

Alzheimer : un modèle d'IA prédit la maladie d'Alzheimer grâce à l'analyse de la parole

Résumé : L'analyse de la parole permet de prédire avec une précision de 78,5 % si une personne atteinte d'un trouble cognitif léger développera la maladie d'Alzheimer. Cet outil pourrait permettre des diagnostics plus précoces et un dépistage plus accessible des troubles cognitifs sans tests coûteux. Le modèle utilise l'apprentissage automatique pour évaluer le contenu de la parole, offrant ainsi un moyen non invasif de surveiller le risque de démence. Des recherches plus poussées visent à améliorer et à étendre cette technologie.

Faits essentiels :

1. Haute précision : le modèle d'IA prédit la progression de la maladie d'Alzheimer avec une précision de 78,5 %.

2. Dépistage accessible : pourrait rendre le diagnostic de la démence plus facile et plus largement disponible.

3. Analyse de la parole : analyse le contenu de la parole, pas seulement les caractéristiques acoustiques.

Source : Université de Boston

Pour déterminer si une personne est atteinte de la maladie d'Alzheimer, il faut généralement procéder à une batterie d'examens : entretiens, imagerie cérébrale, analyses de sang et de liquide céphalorachidien. Mais à ce stade, il est probablement déjà trop tard : les souvenirs ont commencé à s'effacer, les traits de personnalité établis depuis longtemps ont commencé à se modifier subtilement.

Si elles sont détectées tôt, de nouveaux traitements innovants peuvent ralentir la progression impitoyable de la maladie, mais il n’existe aucun moyen infaillible de prédire qui développera la démence associée à la maladie d’Alzheimer.

Des chercheurs de l'Université de Boston affirment aujourd'hui avoir conçu un nouveau programme informatique d'intelligence artificielle prometteur, ou modèle, qui pourrait un jour contribuer à changer cela, simplement en analysant le discours d'un patient.

Après avoir entraîné cette méthode sur un sous-ensemble de la population étudiée, ils ont testé ses capacités prédictives sur le reste des participants. Crédit : Neuroscience News

Leur modèle peut prédire, avec un taux de précision de 78,5 %, si une personne souffrant de troubles cognitifs légers est susceptible de rester stable au cours des six prochaines années ou de tomber dans la démence associée à la maladie d’Alzheimer.

Tout en permettant aux cliniciens de prévoir l’avenir et d’établir des diagnostics plus précoces, les chercheurs affirment que leur travail pourrait également contribuer à rendre le dépistage des troubles cognitifs plus accessible en automatisant certaines parties du processus : aucun test de laboratoire coûteux, examen d’imagerie ou même visite au cabinet n’est requis.

Le modèle est alimenté par l’apprentissage automatique, un sous-ensemble de l’IA où les informaticiens enseignent à un programme comment analyser les données de manière indépendante.

« Nous voulions prédire ce qui se passerait dans les six prochaines années, et nous avons découvert que nous pouvions raisonnablement faire cette prédiction avec une confiance et une précision relativement bonnes », explique Ioannis (Yannis) Paschalidis, directeur de l'Institut Rafik B. Hariri pour l'informatique et les sciences et l'ingénierie informatiques de l'Université de Boston.

« Cela montre la puissance de l’IA. »

L'équipe multidisciplinaire d'ingénieurs, de neurobiologistes et d'informaticiens et de scientifiques des données a publié ses résultats dans Alzheimer's & Dementia , la revue de l'Alzheimer's Association.

« Nous espérons, comme tout le monde, qu'il y aura de plus en plus de traitements contre la maladie d'Alzheimer disponibles », déclare Paschalidis, professeur émérite d'ingénierie au BU College of Engineering et membre fondateur de la Faculté d'informatique et des sciences des données.

« Si vous pouvez prédire ce qui va se passer, vous disposez de plus de temps et d’opportunités pour intervenir avec des médicaments et au moins essayer de maintenir la stabilité de la maladie et d’empêcher la transition vers des formes plus graves de démence. »

Calcul de la probabilité de la maladie d'Alzheimer

Pour former et construire leur nouveau modèle, les chercheurs se sont tournés vers les données de l'une des études les plus anciennes et les plus longues du pays : la Framingham Heart Study, dirigée par l'Université de Boston.

Bien que l’étude de Framingham soit axée sur la santé cardiovasculaire, les participants présentant des signes de déclin cognitif subissent régulièrement des tests et des entretiens neuropsychologiques, produisant une mine d’informations longitudinales sur leur bien-être cognitif.

Paschalidis et ses collègues ont reçu des enregistrements audios de 166 entretiens initiaux avec des personnes, âgées de 63 à 97 ans, diagnostiquées avec une déficience cognitive légère – 76 qui resteraient stables pendant les six années suivantes et 90 dont la fonction cognitive déclinerait progressivement.

Ils ont ensuite utilisé une combinaison d’outils de reconnaissance vocale (similaires aux programmes qui alimentent votre enceinte connectée) et d’apprentissage automatique pour former un modèle capable de repérer les liens entre la parole, les données démographiques, le diagnostic et la progression de la maladie. Après l’avoir formé sur un sous-ensemble de la population étudiée, ils ont testé ses capacités prédictives sur le reste des participants.

« Nous combinons les informations extraites des enregistrements audio avec des données démographiques très basiques (âge, sexe, etc.) et nous obtenons le score final », explique Paschalidis. « On peut considérer le score comme la probabilité qu’une personne reste stable ou qu’elle passe à la démence. Il avait une capacité prédictive significative. »

Plutôt que d'utiliser les caractéristiques acoustiques de la parole, comme l'énonciation ou la vitesse, le modèle s'inspire simplement du contenu de l'entretien : les mots prononcés, la façon dont ils sont structurés.

Et Paschalidis dit que les informations qu'ils mettent dans le programme d'apprentissage automatique sont approximatives : les enregistrements, par exemple, sont brouillons, de mauvaise qualité et remplis de bruit de fond.

« C'est un enregistrement très banal », dit-il. « Et pourtant, avec ces données sales, le modèle est capable d'en tirer quelque chose. »

C’est important, car le projet visait en partie à tester la capacité de l’IA à rendre le processus de diagnostic de la démence plus efficace et automatisé, avec peu d’intervention humaine.

À l’avenir, affirment les chercheurs, des modèles comme le leur pourraient être utilisés pour apporter des soins aux patients qui ne sont pas à proximité de centres médicaux ou pour assurer une surveillance de routine grâce à l’interaction avec une application à domicile, augmentant ainsi considérablement le nombre de personnes qui se font dépister.

Selon Alzheimer's Disease International, la majorité des personnes atteintes de démence dans le monde ne reçoivent jamais de diagnostic formel, ce qui les prive de tout traitement et de tout soin.

Rhoda Au, co-auteure de l'étude, affirme que l'IA a le pouvoir de créer « une science et des soins de santé offrant des chances égales ». L'étude s'appuie sur les travaux antérieurs de la même équipe, qui ont découvert que l'IA pouvait détecter avec précision les troubles cognitifs à l'aide d'enregistrements vocaux.

« La technologie peut surmonter le biais du travail qui ne peut être effectué que par ceux qui ont les ressources, ou des soins qui reposent sur une expertise spécialisée qui n'est pas disponible pour tout le monde », explique Au, professeur d'anatomie et de neurobiologie à la faculté de médecine Chobanian & Avedisian de BU.

Pour elle, l’une des découvertes les plus enthousiasmantes était « qu’une méthode d’évaluation cognitive ayant le potentiel d’être la plus inclusive possible – éventuellement indépendante de l’âge, du sexe, de l’éducation, de la langue, de la culture, du revenu, de la géographie – pourrait servir d’outil de dépistage potentiel pour détecter et surveiller les symptômes liés à la maladie d’Alzheimer. »

Un diagnostic de démence à domicile

Dans le cadre de recherches futures, Paschalidis souhaiterait explorer l’utilisation de données provenant non seulement d’entretiens formels entre cliniciens et patients (avec leurs questions scénarisées et leurs échanges prévisibles), mais également de conversations plus naturelles et quotidiennes.

Il envisage déjà un projet visant à déterminer si l'IA peut aider à diagnostiquer la démence via une application pour smartphone, ainsi qu'à étendre l'étude actuelle au-delà de l'analyse de la parole (les tests de Framingham incluent également des dessins de patients et des données sur les habitudes de vie quotidiennes) pour améliorer la précision prédictive du modèle.

« Le numérique est le sang neuf », explique Au. « On peut le collecter, l’analyser pour savoir ce que l’on sait aujourd’hui, le stocker et le réanalyser pour savoir ce qui émergera demain. »

Financement : Cette recherche a été financée, en partie, par la National Science Foundation, les National Institutes of Health et le BU Rajen Kilachand Fund for Integrated Life Science and Engineering.

À propos de cette actualité sur la recherche en IA et sur la maladie d'Alzheimer

Auteur : Katherine Gianni
Source : Université de Boston
Contact : Katherine Gianni – Université de Boston
Image : L'image est créditée à Neuroscience News

Recherche originale : Accès libre.
« Prédiction de la progression de la maladie d'Alzheimer dans les 6 ans à l'aide de la parole : une nouvelle approche exploitant les modèles linguistiques » par Ioannis Paschalidis et al. Alzheimer et démence

Abstrait

Prédiction de la progression de la maladie d'Alzheimer dans les 6 ans à l'aide de la parole : une nouvelle approche exploitant les modèles linguistiques

INTRODUCTION

L’identification des personnes atteintes de troubles cognitifs légers (TCL) qui risquent de développer la maladie d’Alzheimer (MA) est essentielle pour une intervention précoce et la sélection des essais cliniques.

METHODES

Nous avons appliqué des techniques de traitement du langage naturel ainsi que des méthodes d'apprentissage automatique pour développer une méthode de prédiction automatisée de la progression vers la maladie d'Alzheimer dans les 6 ans à l'aide de la parole. La conception de l'étude a été évaluée sur la base d'entretiens de tests neuropsychologiques de n = 166 participants de la Framingham Heart Study, comprenant 90 cas de MCI progressifs et 76 cas de MCI stables.

RÉSULTATS

Nos meilleurs modèles, qui utilisaient des caractéristiques générées à partir de données vocales, ainsi que l’âge, le sexe et le niveau d’éducation, ont atteint une précision de 78,5 % et une sensibilité de 81,1 % pour prédire la progression du MCI vers la MA dans un délai de 6 ans.

DISCUSSION

La méthode proposée offre une procédure entièrement automatisée, offrant la possibilité de développer un outil de dépistage peu coûteux, largement accessible et facile à administrer pour la prédiction de la progression du MCI vers la MA, facilitant ainsi le développement de l'évaluation à distance.

Aout 2024