La détection précoce des risques de la maladie d’Alzheimer, permettant des interventions avant sa progression irréversible, est désormais réalisable selon une récente étude menée par des chercheurs de l’université de Californie à San Francisco (UCSF). Ces scientifiques ont développé une méthode basée sur l’intelligence artificielle (IA) qui analyse les dossiers médicaux des patients pour identifier des schémas spécifiques. Ces caractéristiques peuvent ensuite être exploitées pour scruter de vastes bases de données génétiques et déterminer les facteurs de risque associés à la maladie. Marina Sirota, auteure principale de l’étude et professeure agrégée à l’UCSF, souligne que cette approche illustre la manière dont l’apprentissage automatique sur les données des patients peut prédire les individus susceptibles de développer la maladie d’Alzheimer et éclairer les raisons de cette prédisposition.
En analysant les données cliniques de cinq millions de patients, les chercheurs ont pu, grâce à leur méthode, identifier avec une précision prédictive de 72 % les personnes qui allaient développer la maladie jusqu’à sept ans avant l’apparition des symptômes, ouvrant ainsi des perspectives prometteuses pour une intervention précoce et personnalisée.
Identification de facteurs prédictifs de la maladie d’Alzheimer
Divers éléments prédictifs de la maladie d’Alzheimer ont été identifiés, incluant des facteurs tels que l’hypertension et l’hypercholestérolémie, qui présentent une prédictibilité aussi bien chez les hommes que chez les femmes. Chez ces dernières, l’ostéoporose se révèle être un facteur de prédiction particulièrement significatif, étant donné que les femmes sont davantage susceptibles de développer la maladie d’Alzheimer que les hommes. Alice Tang, doctorante au sein du laboratoire Sirota à l’UCSF, souligne que c’est la combinaison de ces différents éléments pathologiques qui permet à leur modèle de prédire l’apparition de la maladie d’Alzheimer. La découverte selon laquelle l’ostéoporose agit en tant que facteur prédictif pour les femmes met en lumière l’interaction biologique entre la santé osseuse et le risque de démence.
À long terme, les chercheurs aspirent à appliquer cette approche à d’autres maladies présentant des défis de diagnostic tardif, tels que le lupus et l’endométriose.