Pour fournir le bon traitement pour la SEP, il est important de savoir quand la maladie passe de la réduction de la remise à la réduction au progressive secondaire, une transition qui est actuellement reconnue en moyenne trois ans trop tard. Les chercheurs de l'Université d'Uppsala ont maintenant développé un modèle d'IA qui peut déterminer avec une certitude de 90% de la variante du patient. Le modèle augmente les chances de démarrer le bon traitement dans le temps et de ralentir ainsi la progression de la maladie.
La sclérose en plaques (SEP) est une maladie chronique et inflammatoire du système nerveux central. En Suède, il y a environ 22 000 personnes vivant avec la SEP. La plupart des patients commencent par la forme de réduction de la réduction (RRMS), qui se caractérise par des épisodes de détérioration avec des périodes de stabilité intermédiaires. Au fil du temps, de nombreuses personnes passent à la SEP progressive secondaire (SPMS), où leurs symptômes s'aggravent à la place, sans ruptures évidentes. L'identification de cette transition est importante car les deux formes différentes de MS nécessitent des traitements différents. Actuellement, le diagnostic est posé en moyenne trois ans après le début de la transition, ce qui peut conduire les patients à recevoir des médicaments qui ne sont plus efficaces.
Basé sur les données de MS suédois
Le nouveau modèle d'IA résume les données cliniques de plus de 22 000 patients dans le registre suédois MS. Le modèle est basé sur des données déjà collectées lors de visites de soins de santé régulières, telles que les tests neurologiques, les analyses d'imagerie par résonance magnétique (IRM) et les traitements en cours.
« En reconnaissant les schémas des patients précédents, le modèle peut déterminer si un patient a la forme de réduction en rechute ou si la maladie est passée à une SEP progressive secondaire. Ce qui est unique dans le modèle, c'est qu'il indique également à quel point il est confiant dans chaque évaluation individuelle. Cela signifie que le médecin saura à quel point la conclusion est fiable et à quel point l'IA est confiant dans son évaluation,« Dit Kim Kultima, qui a dirigé l'étude.
Quatre-vingt-dix pour cent de précision
Dans l'étude, désormais publiée dans la revue Digital Medicine, le modèle a identifié correctement la transition vers la MS progressive secondaire ou plus tôt que documentée dans les dossiers médicaux du patient dans près de 87% des cas, avec une précision globale d'environ 90%.
« Pour les patients, cela signifie que le diagnostic peut être posé plus tôt, ce qui permet d'ajuster le traitement du patient dans le temps et de ralentir la progression de la maladie. Cela réduit également le risque que les patients reçoivent des médicaments qui ne sont plus efficaces. À long terme, le modèle pourrait également être utilisé pour identifier les participants appropriés pour les essais cliniques – ce qui pourrait contribuer à des stratégies de traitement plus efficaces et individualisées« Kultima conclut.
