Une manière d’utiliser l’apprentissage automatique pour identifier plus précisément les patients présentant un mélange de symptômes psychotiques et dépressifs a été développée par des chercheurs de l’Université de Birmingham.
Les patients souffrant de dépression ou de psychose présentent rarement les symptômes de l’une ou l’autre maladie. Historiquement, cela signifie que les cliniciens en santé mentale posent un diagnostic de maladie «primaire», mais avec des symptômes secondaires. Faire un diagnostic précis est un grand défi pour les cliniciens et les diagnostics ne reflètent souvent pas avec précision la complexité de l’expérience individuelle ou même de la neurobiologie.
Les cliniciens diagnostiquant une psychose, par exemple, considéreraient fréquemment la dépression comme une maladie secondaire, avec des implications pour les décisions de traitement qui se concentrent davantage sur les symptômes de la psychose (par exemple, hallucinations ou délires).
Une équipe de l’Institut pour la santé mentale et du Centre for Human Brain Health de l’Université de Birmingham, en collaboration avec des chercheurs du consortium PRONIA, souhaitait explorer la possibilité d’utiliser l’apprentissage automatique pour créer des modèles très précis de formes « pures » des deux maladies et les utiliser. ceux-ci pour étudier la précision du diagnostic d’une cohorte de patients présentant des symptômes mixtes. Leurs résultats sont publiés dans Bulletin sur la schizophrénie.
La majorité des patients ont des comorbidités, de sorte que les personnes atteintes de psychose présentent également des symptômes dépressifs et vice versa. Cela représente un défi de taille pour les cliniciens en termes de diagnostic puis de délivrance de traitements conçus pour des patients sans comorbidité. Ce n’est pas que les patients sont mal diagnostiqués, mais les catégories diagnostiques actuelles que nous avons ne reflètent pas fidèlement la réalité clinique et neurobiologique ».
Paris Alexandros Lalousis, auteur principal
Les chercheurs ont examiné les réponses au questionnaire, les entretiens cliniques détaillés et les données de l’imagerie par résonance magnétique structurelle d’une cohorte de 300 patients participant à l’étude PRONIA, une étude de cohorte financée par l’Union européenne et menée dans sept centres de recherche européens.
Au sein de cette cohorte, les chercheurs ont identifié de petits sous-groupes de patients qui pourraient être classés comme souffrant de psychose sans aucun symptôme de dépression, ou de dépression sans aucun symptôme psychotique.
À l’aide de ces données, l’équipe a identifié des modèles d’apprentissage automatique de dépression «pure» et de psychose «pure». Ils ont ensuite pu utiliser des méthodes d’apprentissage automatique pour appliquer ces modèles à des patients présentant des symptômes des deux maladies. L’objectif était de créer un profil de maladie très précis pour chaque patient et de le tester par rapport à son diagnostic pour voir à quel point il était précis.
L’équipe a constaté que, alors que les patients souffrant de dépression en tant que maladie primaire étaient plus susceptibles d’être diagnostiqués avec précision, les patients souffrant de psychose souffrant de dépression présentaient des symptômes qui tendaient le plus souvent vers la dimension de la dépression. Cela peut indiquer que la dépression joue un plus grand rôle dans la maladie qu’on ne le pensait auparavant.
M. Lalousis a ajouté: « Il y a un besoin urgent de meilleurs traitements pour la psychose et la dépression, conditions qui constituent un défi majeur de santé mentale dans le monde. Notre étude met en évidence la nécessité pour les cliniciens de mieux comprendre la neurobiologie complexe de ces conditions, et le rôle de » symptômes comorbides, en particulier en considérant attentivement le rôle que joue la dépression dans la maladie « .
«Dans cette étude, nous avons montré comment l’utilisation d’algorithmes d’apprentissage automatique sophistiqués qui prennent en compte des facteurs cliniques, neurocognitifs et neurobiologiques peut nous aider à comprendre la complexité de la maladie mentale. À l’avenir, nous pensons que l’apprentissage automatique pourrait devenir un outil essentiel Nous avons une réelle opportunité de développer des méthodes de diagnostic basées sur les données – c’est un domaine dans lequel la santé mentale suit le rythme de la santé physique et il est vraiment important que nous maintenions cet élan. «
