L’IA peut prédire la démence précoce à 92%

Selon une nouvelle étude à grande échelle, publiée fin décembre par l’Université d’Exeter, au Royaume-Uni, une IA peut prédire quelles personnes fréquentant les cliniques de la mémoire développeront une démence dans les deux ans. L’algorithme fait preuve d’une précision inégalée à 92 %.

Une précision record pour l’IA

Et si l’IA était en capacité de prédire la dégradation de vos facultés cognitives ? C’est la conclusion d’une étude publiée dans le journal of Neurology, Neurochirurgy and Psychiatry par l’Université d’Exeter. A partir d’un échantillon de plus de 15 300 patients américains, l’équipe a développé une intelligence artificielle prédisant avec une étonnante fiabilité quels patients développeront une démence sur deux ans.

L’algorithme fonctionne en repérant les modèles cachés au sein de données compilées pour détecter les patients les plus à risques. L’étude, publiée dans JAMA Network Open et financée par Alzheimer’s Research UK, suggère également que cet algorithme pourrait aider à réduire le nombre de faux diagnostics de démence.

Les chercheurs ont analysé les données de patients ayant fréquenté un réseau de 30 cliniques de la mémoire aux États-Unis. Aucun des participants ne souffrait de démence au commencement de l’étude, même si certains faisaient preuve de problèmes de mémoire.

L’IA décèle les diagnostics erronés

Au cours de la période de l’étude, un participant sur dix a reçu un nouveau diagnostic de démence dans les deux ans suivant sa visite à la clinique de la mémoire. L’étude a révélé que le modèle d’apprentissage automatique présidait ces nouveaux cas de démence avec une précision de 92 %. Ce degré de précision se révélant hautement supérieur aux méthodes de détection existantes.

L’équipe a également découvert pour la première fois qu’environ 8% des diagnostics de démence semblaient avoir été posés par erreur. Les modèles d’apprentissage automatique ont ainsi identifié avec précision plus de 80 % de ces diagnostics incohérents. L’intelligence artificielle peut non seulement prédire avec précision qui recevra un diagnostic de démence, mais aussi détecter les diagnostics erronés.

Le professeur David Llewellyn, qui a supervisé l’étude, l’assure : “nous sommes maintenant en mesure de prédire qui développera une démence dans les deux ans”. Le chercheur se déclare également ravis que l’apprentissage automatique ait permis d’identifier de détecter les diagnostic erroné. L’expérience a ainsi le potentiel de réduire les conjectures dans la pratique clinique et d’améliorer considérablement le parcours de diagnostic.

La démence est une maladie très redoutée. Aussi, l’intégration de l’algorithme dans les cliniques de mémoire pourrait aider à garantir des diagnostics beaucoup plus précis. Et de fait réduire la détresse inutile causée par un mauvais diagnostic.

Vers un usage élargi de l’apprentissage automatique ?

Les chercheurs ont découvert la grande efficacité de l’apprentissage automatique en la matière. L’algorithme a ainsi croisé différentes informations disponibles en clinique, telles que la mémoire et les fonctions cérébrales des patients, leurs performances aux tests cognitifs et leurs facteurs de style de vie spécifiques.

L’équipe prévoit désormais de mener des études de suivi pour évaluer l’utilisation pratique de l’apprentissage automatique dans les cliniques. Il s’agit d’évaluer si elle peut être déployée pour améliorer le diagnostic, le traitement et les soins de la démence.

Selon le Dr Rosa Sancho, de l’Alzheimer’s Research UK, qui a financé l’étude, l’IA dispose d’un énorme potentiel de diagnostic. L’apprentissage automatique pourrait ainsi améliorer la détection précoce des maladies qui causent la démence. Elle pourrait ainsi révolutionner le processus de diagnostic pour les personnes soucieuses d’elles-mêmes ou d’un proche présentant des symptômes.

Cette technique est une amélioration significative par rapport aux approches alternatives existantes. Elle pourrait donner aux médecins une base pour recommander des changements de style de vie et identifier les personnes qui pourraient bénéficier d’un soutien ou d’évaluations approfondies.

(c) Pixabay