L’intelligence artificielle (IA) est en passe d’avoir un impact majeur sur presque tous les secteurs, y compris celui de la santé. Une nouvelle étude suggère que les modèles d’apprentissage automatique peuvent identifier plus rapidement et à moindre coût les femmes présentant un déclin cognitif subjectif sévère pendant la transition vers la ménopause, ouvrant ainsi la porte à une meilleure gestion de la santé cognitive. Les résultats de l'étude sont publiés en ligne aujourd'hui dans Ménopausele journal de la Menopause Society.
Le déclin cognitif subjectif fait référence au déclin perçu par une personne de la mémoire ou d'autres fonctions cognitives. Le déclin cognitif, l'un des symptômes les plus courants liés à la transition vers la ménopause, est particulièrement préoccupant, car il affecte non seulement la qualité de vie d'une femme, mais peut également indiquer un risque plus élevé de maladies neurodégénératives graves, telles que la maladie d'Alzheimer.
Des preuves antérieures suggèrent un certain nombre de facteurs de risque de déclin cognitif, notamment le vieillissement, l'hypertension, l'obésité et la dépression. Le défi réside dans le fait que la plupart des modèles actuels de santé cognitive sont centrés sur la démence, une maladie incurable qui offre des possibilités limitées d’intervention clinique. Bien que le déclin cognitif subjectif ne prédise pas toujours les changements cognitifs à long terme ou la démence, un modèle prédictif du déclin cognitif et des facteurs associés pourrait permettre une intervention précoce pour protéger la santé cognitive.
Les tests existants pour les performances cognitives reposent en grande partie sur des modèles intégrant généralement divers indicateurs de laboratoire tels que la glycémie, les lipides sanguins et l'imagerie cérébrale. La complexité et le coût élevé de ces modèles les rendent souvent peu pratiques à mettre en œuvre en milieu clinique. En comparaison, les modèles basés sur des questionnaires offrent une alternative plus simple et plus rentable. Ces modèles reposent sur un certain nombre de variables indépendantes, notamment des facteurs sociodémographiques, liés au travail, aux menstruations, au mode de vie et à la santé mentale.
L’apprentissage automatique a montré ces dernières années un énorme potentiel dans le domaine de la santé cognitive. En extrayant des modèles et des tendances à partir de grands ensembles de données, il peut construire des modèles précis et fiables et automatiser la gestion de relations variables complexes. Dans cette dernière étude portant sur plus de 1 200 femmes en transition vers la ménopause, les chercheurs ont pu développer et valider un modèle d’apprentissage automatique pour identifier les femmes connaissant un déclin cognitif subjectif sévère, ainsi que les facteurs associés.
Ces résultats fournissent de nouvelles orientations pour les interventions conçues pour préserver la santé cognitive chez les femmes en transition vers la ménopause. Des recherches supplémentaires sont nécessaires pour valider ces résultats et identifier d’autres facteurs d’influence potentiels.
Cette étude met en évidence comment l'utilisation de l'apprentissage automatique peut être utilisée pour identifier les femmes connaissant un déclin cognitif subjectif sévère pendant la transition vers la ménopause et les facteurs associés potentiels. L'identification précoce des personnes à haut risque peut permettre des interventions ciblées pour protéger la santé cognitive. Les futures études impliquant des mesures objectives de la cognition et un suivi longitudinal sont essentielles pour mieux comprendre ces associations.
Dre Stéphanie Faubion, directrice médicale, The Menopause Society
