Dans une étude récente publiée dans Nature Medicine, les chercheurs ont développé une méthode permettant de rassembler et d'intégrer rapidement des données de diagnostics cliniques (CD) et neuropathologiques (ND) en examinant les résumés des dossiers médicaux des donneurs de la banque de cerveaux néerlandaise (NBB) afin de détecter les trajectoires de la maladie.
Étude: Identification des trajectoires cliniques des maladies dans les troubles neurodégénératifs avec traitement du langage naturel. Crédit d’image : Natali _ Mis/Shutterstock.com
Sommaire
Arrière-plan
Les troubles neurodégénératifs, tels que la maladie d'Alzheimer (MA), la maladie de Parkinson (MP) et la démence à corps de Lewy, constituent un problème de santé mondial en raison de leur large éventail de symptômes cliniques et de comorbidités complexes.
Les recherches actuelles peinent à acquérir des données cliniques complètes, ce qui limite les conceptions statistiques. Des stratégies innovantes basées sur les données et utilisant de grandes cohortes d’autopsies sont nécessaires pour améliorer le diagnostic.
Les banques de cerveaux fournissent des informations vitales sur les maladies neurodégénératives, mais des inconvénients tels que des données cliniques limitées et des conceptions cas-témoins binaires entravent leur développement.
À propos de l'étude
Dans la présente étude, les chercheurs ont créé un pipeline informatique pour traduire les résumés des dossiers médicaux des donneurs de la Banque néerlandaise de cerveaux (NBB) en trajectoires cliniques de maladies, qui comprenaient 84 symptômes et signes neuropsychiatriques reconnus à l'aide du traitement du langage naturel.
Ils ont analysé les fichiers des donneurs du NBB, défini et prédit les caractéristiques cliniques de l'historique enregistré, traduit les symptômes et les signes prédits en trajectoires cliniques de maladie et les ont appliqués pour une analyse en aval.
Les chercheurs ont développé un nouveau système de classification clinique des troubles croisés comprenant 90 symptômes et signes neuropsychiatriques liés aux maladies cérébrales et au bien-être général. Un évaluateur a évalué 18 917 phrases parmi un groupe de 293 contributeurs sélectionnés au hasard pour créer un ensemble de données permettant d'affiner, de valider et de tester divers modèles de traitement du langage naturel (NLP).
Les chercheurs ont optimisé cinq conceptions de modèles [support vector machine (SVM), bag of words (BOW), T5, PubMedBERT, and Bio_ClinicalBERT] et a choisi le meilleur basé sur la microprécision.
L’équipe a développé les trajectoires cliniques de la maladie, y compris plusieurs symptômes et signes neuropsychiatriques, leur durée et davantage de donneurs que ceux publiés précédemment. Ils ont ensuite effectué une évaluation enrichissante pour déterminer si les caractéristiques cliniques estimées étaient plus répandues que prévu dans chaque maladie.
Pour évaluer l'exactitude diagnostique de cette cohorte d'autopsie cérébrale, les chercheurs ont nettoyé et comparé les descriptions de CD à l'ontologie de la maladie humaine et ont comparé les étiquettes de diagnostic clinique générées aux diagnostics neurodégénératifs.
Les chercheurs ont incorporé des algorithmes d’apprentissage automatique dans les pratiques de soins de santé pour prédire de manière cohérente les diagnostics neuropathologiques à partir des trajectoires cliniques des maladies.
Ils comprenaient 3 042 donneurs qui ont fourni 199 901 mots de données sur leurs antécédents cliniques et qui ont reçu un diagnostic de différentes maladies cérébrales neuropathologiques.
L'équipe a choisi les symptômes et les signes en fonction de leur importance médico-scientifique, de leur existence dans l'histoire clinique et de la clarté de leur définition.
L’équipe a utilisé une unité récurrente fermée (GRU-D) pour évaluer l’exactitude de la prévision de la ND à partir des trajectoires cliniques de la maladie, en mettant l’accent sur le génotype de l’apolipoprotéine E4 associé à une MA précoce et à une neurodégénérescence sévère.
L’équipe a utilisé des trajectoires cliniques de maladies pour effectuer un profilage temporel de signes et symptômes neuropsychiatriques spécifiques dans divers troubles.
Ils ont également effectué une analyse de survie pour déterminer s'il existait des différences dans le taux de survie global après la première observation d'un signe ou d'un symptôme entre des donneurs présentant des diagnostics neuropathologiques différents.
Résultats
Les chercheurs ont identifié des indications et des symptômes qui diffèrent entre des maladies souvent mal diagnostiquées et des sous-groupes cliniques de divers troubles cérébraux, indiquant que les sous-structures neuronales sont affectées différemment.
L'accord inter-annotateurs pour la fiabilité du modèle était élevé, avec 269 signes et symptômes considérablement enrichis en diagnostics particuliers, dont 148 étaient prédéfinis comme ayant une valeur diagnostique.
Toutes les caractéristiques neuropsychiatriques ont montré un enrichissement significatif dans une ou plusieurs affections cérébrales, indiquant qu'elles étaient liées à une sous-catégorie de maladies.
Comme prévu, la démence et les troubles de la mémoire étaient beaucoup plus fréquents dans les démences telles que la MA, la démence frontotemporale (FTD), la démence vasculaire (VD), la démence à corps de Lewy (DLB) et les troubles envahissants du développement (TED), une constatation non observée dans Maladie de Parkinson sans démence.
De même, la sclérose en plaques (SEP) a démontré un enrichissement significatif en termes de mobilité réduite, de faiblesse musculaire et de fatigue, ce qui correspond à une maladie débilitante du système nerveux central.
La paralysie supranucléaire progressive (PSP), l'atrophie multisystémique (MSA), la MP, la MS, la PDD et l'ATAXIE ont montré un enrichissement accru pour une mobilité réduite.
En revanche, les MND, VD, PSP, MS et MSA ont montré un enrichissement plus élevé en termes de faiblesse musculaire, ce qui indique que l'approche peut identifier un ensemble distinct de symptômes spécifiques à la maladie.
Les chercheurs ont découvert des indications et des symptômes spécifiques accrus dans des sous-types spécifiques de démence, tels que la paranoïa et le comportement de façade dans la maladie d'Alzheimer et les problèmes d'audition et la faiblesse musculaire dans la démence vasculaire.
Quatre-vingt-quatre pour cent des donneurs neuropathologiquement identifiés atteints de la maladie d'Alzheimer et 83 % des donneurs neuropathologiquement définis FTD ont reçu un diagnostic clinique de la maladie d'Alzheimer ou de démence frontotemporale, respectivement.
La MSA était généralement diagnostiquée cliniquement comme la maladie de Parkinson, tandis que la démence vasculaire et la PSP étaient classées cliniquement comme plusieurs affections différentes, ce qui indique que les donneurs de cerveau NBB reçoivent fréquemment un diagnostic erroné.
Conclusion
Les résultats de l’étude ont mis en évidence l’utilisation de la PNL pour identifier les trajectoires cliniques des maladies neurodégénératives. Les résultats indiquent que de nombreuses maladies cérébrales présentent des symptômes qui se chevauchent largement, ce qui pourrait indiquer une perturbation des sous-structures neuronales.
Les résultats peuvent aider les épidémiologistes, les biologistes moléculaires et les chercheurs en informatique à étudier les symptômes cliniques des troubles neurodégénératifs et à créer des modèles de prédiction pour identifier de nouveaux sous-groupes cliniques basés sur les données pour des maladies telles que la démence, la maladie de Parkinson et la sclérose en plaques.
