Il faut beaucoup de temps et d’argent pour diagnostiquer la maladie d’Alzheimer. Après avoir effectué de longs examens neuropsychologiques en personne, les cliniciens doivent transcrire, examiner et analyser chaque réponse en détail. Mais des chercheurs de l’Université de Boston ont développé un nouvel outil qui pourrait automatiser le processus et éventuellement lui permettre de se déplacer en ligne. Leur modèle informatique basé sur l’apprentissage automatique peut détecter les troubles cognitifs à partir d’enregistrements audio de tests neuropsychologiques ; aucun rendez-vous en personne n’est nécessaire. Leurs conclusions ont été publiées dans Alzheimer et démence : le journal de l’Association Alzheimer.
« Cette approche nous rapproche d’une intervention précoce », déclare Ioannis Paschalidis, co-auteur de l’article et professeur émérite d’ingénierie du BU College of Engineering. Il dit qu’une détection plus rapide et plus précoce de la maladie d’Alzheimer pourrait conduire à des essais cliniques plus importants qui se concentrent sur les individus aux premiers stades de la maladie et potentiellement permettre des interventions cliniques qui ralentissent le déclin cognitif : « Cela peut constituer la base d’un outil en ligne qui pourrait atteindre tout le monde et pourrait augmenter le nombre de personnes qui se font dépister tôt. »
L’équipe de recherche a formé son modèle à l’aide d’enregistrements audio d’entretiens neuropsychologiques de plus de 1 000 personnes dans le cadre de la Framingham Heart Study, un projet de longue date dirigé par l’UB et portant sur les maladies cardiovasculaires et d’autres conditions physiologiques. À l’aide d’outils de reconnaissance vocale en ligne automatisés – pensez, « Hey, Google ! » – et d’une technique d’apprentissage automatique appelée traitement du langage naturel qui aide les ordinateurs à comprendre le texte, ils ont demandé à leur programme de transcrire les entretiens, puis de les encoder en chiffres. Un modèle final a été formé pour évaluer la probabilité et la gravité de la déficience cognitive d’un individu à l’aide de données démographiques, d’encodages de texte et de diagnostics réels de neurologues et de neuropsychologues.
Paschalidis dit que le modèle était non seulement capable de distinguer avec précision les personnes en bonne santé et celles atteintes de démence, mais également de détecter les différences entre les personnes atteintes de troubles cognitifs légers et de démence. Et, il s’est avéré que la qualité des enregistrements et la façon dont les gens s’exprimaient – que leur discours soit fluide ou systématiquement hésitant – étaient moins importantes que le contenu de ce qu’ils disaient.
« Cela nous a surpris que le flux de la parole ou d’autres fonctionnalités audio ne soient pas si critiques ; vous pouvez assez bien transcrire automatiquement les entretiens et vous fier à l’analyse de texte via l’IA pour évaluer les troubles cognitifs », déclare Paschalidis, qui est également le nouveau directeur de Rafik B de BU. Institut Hariri pour l’informatique et la science et l’ingénierie computationnelles. Bien que l’équipe doive encore valider ses résultats par rapport à d’autres sources de données, les résultats suggèrent que leur outil pourrait aider les cliniciens à diagnostiquer les troubles cognitifs à l’aide d’enregistrements audio, y compris ceux de rendez-vous virtuels ou de télésanté.
Dépistage avant l’apparition des symptômes
Le modèle donne également un aperçu des parties de l’examen neuropsychologique qui pourraient être plus importantes que d’autres pour déterminer si un individu a une déficience cognitive. Le modèle des chercheurs divise les transcriptions d’examen en différentes sections en fonction des tests cliniques effectués. Ils ont découvert, par exemple, que le Boston Naming Test – au cours duquel les cliniciens demandent aux individus d’étiqueter une image en utilisant un mot – est le plus informatif pour un diagnostic précis de la démence. « Cela pourrait permettre aux cliniciens d’allouer des ressources d’une manière qui leur permette de faire plus de dépistage, même avant l’apparition des symptômes », explique Paschalidis.
Le diagnostic précoce de la démence est non seulement important pour que les patients et leurs soignants puissent créer un plan efficace de traitement et de soutien, mais il est également crucial pour les chercheurs travaillant sur des thérapies pour ralentir et prévenir la progression de la maladie d’Alzheimer. « Nos modèles peuvent aider les cliniciens à évaluer les patients en fonction de leurs risques de déclin cognitif », explique Paschalidis, « et ensuite adapter au mieux les ressources en effectuant des tests supplémentaires sur ceux qui présentent un risque plus élevé de démence ».
Vous souhaitez rejoindre l’effort de recherche ?
L’équipe de recherche recherche des volontaires pour répondre à un sondage en ligne et soumettre un test cognitif anonyme ; les résultats seront utilisés pour fournir des évaluations cognitives personnalisées et aideront également l’équipe à affiner son modèle d’IA.
