L'IA identifie des facteurs spécifiques au sexe dans la prédiction d'Alzheimer et de Parkinson

Une étude coordonnée par le Cnr-Istc [Conseil national de la recherche - Institut des sciences et technologies de la cognition] a utilisé l'apprentissage automatique pour analyser des tests neuropsychologiques, neurophysiologiques et génétiques, en tenant compte du sexe, afin de prédire l'apparition des maladies d'Alzheimer et de Parkinson. La recherche vise à établir une base pour des approches diagnostiques spécifiques au sexe dans la pratique clinique. Les résultats sont publiés dans le Journal of the Neurological Sciences. L'étude, coordonnée par le Cnr-Istc [Conseil national de la recherche - Institut des sciences et technologies de la cognition] à Rome, a employé l'intelligence artificielle (IA) pour identifier les facteurs clés pour un diagnostic précoce chez les hommes et les femmes. Un échantillon mixte d'individus sains et affectés a subi des tests neuropsychologiques, une collecte de données neurophysiologiques et une analyse génétique. L'algorithme d'IA a ensuite identifié et différencié les principaux facteurs prédictifs associés à l'apparition des deux maladies en fonction du sexe. La recherche, impliquant l'Area di Ricerca Milano 4 du Cnr [Conseil national de la recherche], la Fondazione Mondino, l'Università di Pavia, la Fondazione Santa Lucia IRCCS, l'Università di Roma Sapienza et Tor Vergata, et AI2Life s.r.l., a publié les résultats dans deux articles du Journal of the Neurological Sciences. Ces articles détaillent la performance du modèle d'apprentissage automatique dans la prédiction d'Alzheimer et de Parkinson. Daniele Caligiore, directeur de recherche au Cnr-Istc [Conseil national de la recherche - Institut des sciences et technologies de la cognition] et directeur de l'Advanced School in Artificial Intelligence (AS-AI), a déclaré : "La nouveauté de l'étude réside dans son approche intégrée, conforme à la théorie selon laquelle Alzheimer et Parkinson pourraient être des manifestations d'une seule maladie, appelée Neurodegenerative Elderly Syndrome (NES)." L'algorithme d'IA a analysé les différences entre les patients sains et malades, quel que soit le sexe, en utilisant l'apprentissage automatique explicable pour accroître la fiabilité et promouvoir l'adoption médicale. Pour Alzheimer, l'algorithme a analysé des tests neuropsychologiques estimant la probabilité de la maladie en fonction du sexe, en utilisant des paramètres tels que la mémoire, l'orientation, l'attention et le langage (MMSE [Mini-Mental State Examination]) ; la mémoire verbale à court terme (AVTOT [Auditory-Verbal Test]) ; et la mémoire épisodique à long terme (LDELTOTAL [Long-Delay Free Recall Total]). Le chercheur a noté : "Le système d'apprentissage automatique montre que le MMSE est un prédicteur plus efficace chez les femmes, tandis que chez les hommes, il est essentiel pour la surveillance à long terme. Le LDELTOTAL est plus prédictif chez les femmes, tandis que l'AVTOT est plus pertinent chez les hommes. Le niveau d'éducation a également un impact différent sur le risque d'Alzheimer, les femmes étant confrontées à un risque plus élevé." Le modèle de recherche sur Parkinson a identifié des caractéristiques clés neuropsycologiques, génétiques et physiques liées à l'apparition de la maladie. La rigidité musculaire et les dysfonctionnements du système nerveux autonome sont des prédicteurs majeurs chez les hommes, tandis que les dysfonctionnements urinaires sont plus pertinents chez les femmes. L'âge et les antécédents familiaux étaient également des prédicteurs importants, avec un impact plus important chez les hommes. La fluidité sémantique verbale (SFT [Semantic Fluency Test]) et la variante génétique SNCA-rs356181, liée au gène de l'alpha-synucléine, étaient plus pertinentes chez les hommes. Caligiore a déclaré : "Ces résultats soulignent l'importance d'intégrer des approches diagnostiques spécifiques au sexe pour améliorer la gestion d'Alzheimer et de Parkinson. Les recherches futures affineront les tests neuropsychologiques et les biomarqueurs prédictifs, en se concentrant sur le sexe pour soutenir des traitements personnalisés." Il a ajouté : "Notre étude démontre comment l'IA peut soutenir efficacement la médecine en combinant les caractéristiques individuelles avec une vision systémique, en intégrant des données spécifiques au patient pour prédire l'apparition de la maladie, surveiller la progression et offrir des traitements ciblés."