Voir la traduction automatique
Ceci est une traduction automatique. Pour voir le texte original en anglais cliquez ici
#Actualités du secteur
{{{sourceTextContent.title}}}
Un test sanguin basé sur l'IA prédit la progression d'une maladie neurodégénérative
{{{sourceTextContent.subTitle}}}
La progression d'une maladie neurodégénérative est lente - il faut peut-être des décennies pour la développer - et peut être associée à d'autres processus de vieillissement.
{{{sourceTextContent.description}}}
En outre, il existe des lacunes dans la compréhension des mécanismes moléculaires de ces maladies. Tous ces facteurs convergents rendent la progression de la maladie difficile à prévoir.
Une nouvelle étude publiée aujourd'hui montre que l'analyse d'échantillons de sang par intelligence artificielle (IA) peut être utilisée pour prédire la progression d'une maladie. Les chercheurs du Neuro (Institut et hôpital neurologiques de Montréal) de l'Université McGill et du Centre Ludmer de neuroinformatique et de santé mentale ont utilisé un algorithme d'IA pour analyser les échantillons de sang et de cerveau post-mortem de patients atteints des maladies d'Alzheimer et de Huntington. L'objectif de la recherche était de trouver des modèles moléculaires spécifiques à ces maladies, en partie en raison du manque de données longitudinales disponibles sur l'expression des gènes.
Ce travail est publié dans un article intitulé "Blood and Brain Gene Expression Trajectories Mirror Neuropathology and Clinical Deterioration in Neurodegeneration", paru dans Brain.
En évaluant 1 969 sujets dans le spectre des maladies d'Alzheimer et de Huntington à apparition tardive, les chercheurs ont mis au point une nouvelle méthode qui révèle les schémas d'expression des gènes dans la population malade. Ils écrivent que l'algorithme d'apprentissage machine non supervisé "a fortement prédit la gravité neuropathologique" Les travaux montrent que l'algorithme a été capable de détecter comment le schéma d'expression des gènes des patients a changé au cours des décennies, offrant ainsi la première vision à long terme des changements moléculaires sous-jacents à la neurodégénérescence.
Lorsque l'IA a été appliquée à des échantillons de sang in vivo au départ, les auteurs ont noté qu'elle "prédisait de manière significative la détérioration clinique et la conversion aux stades avancés de la maladie, ce qui a permis d'identifier un outil peu invasif (basé sur le sang) pour le dépistage clinique précoce"
"Ce test pourrait un jour être utilisé par les médecins pour évaluer les patients et prescrire des thérapies adaptées à leurs besoins", a déclaré Yasser Iturria-Medina, PhD, professeur adjoint au département de neurologie et de neurochirurgie du Neuro, et premier auteur de l'étude. "Il pourrait également être utilisé dans des essais cliniques pour classer les patients et mieux déterminer comment les médicaments expérimentaux influent sur la progression prévue de la maladie."
Non seulement cela pourrait être utile sur le plan clinique, mais la technique permet également de découvrir des gènes et des voies moléculaires, dans les tissus périphériques et cérébraux, qui sont hautement prédictifs de l'évolution de la maladie. L'IA est un outil prometteur pour révéler des mécanismes neuropathologiques complexes, avec des implications directes pour la mise en œuvre de traitements dynamiques personnalisés en neurologie. Les auteurs ont noté que "85-90% des voies moléculaires les plus prédictives identifiées dans le cerveau sont également des prédicteurs supérieurs dans le sang. Ces voies confirment l'importance de l'étude de l'axe cérébral périphérique, fournissant des preuves supplémentaires du rôle clé de la structure/fonctionnement vasculaire et de la réponse du système immunitaire"
Les études précédentes sur la neurodégénérescence utilisaient souvent des données statiques ou "instantanées", et sont donc limitées dans ce qu'elles peuvent révéler sur la progression généralement lente de la maladie. En revanche, cette étude a permis de découvrir les informations chronologiques contenues dans des données à grande échelle en couvrant des décennies de progression de la maladie, révélant comment les changements dans l'expression des gènes au cours de cette période sont liés aux changements de l'état du patient.
Iturria-Medina a déclaré que les prochaines étapes consisteront à tester ces modèles dans d'autres maladies telles que la maladie de Parkinson et la sclérose latérale amyotrophique.