L’intelligence artificielle aide le diagnostic de la maladie de Parkinson

La maladie de Parkinson (MP) est diagnostiquée par un ensemble de symptômes liés à son effet sur les nerfs moteurs. Il n’y a pas de test de laboratoire ou d’étude d’imagerie qui fait le diagnostic. En conséquence, il faut souvent un certain temps pour qu’un vague symptôme s’installe suffisamment pour qu’un médecin puisse l’identifier. Par conséquent, la capacité de faire un diagnostic précoce est difficile. Et parce que la maladie se caractérise par ses symptômes, il est difficile pour un médecin de suivre l’évolution de la MP. Après tout, pouvez-vous objectivement dire qu’il y a plus de faiblesse ou un plus grand tremblement sur la base d’examens physiques subjectifs à des mois d’intervalle ?

L’étude actuelle a utilisé une méthodologie d’intelligence artificielle pour analyser les schémas respiratoires pendant le sommeil d’environ 7 600 patients et a prédit la présence ou le développement de la MP dans 90 % des cas. Mais avant d’entrer dans les détails de l’étude, un petit rappel sur la MP.

La maladie de Parkinson – Un peu de contexte

« Si légères et presque imperceptibles sont les premières incursions de cette maladie, et sa progression si extrêmement lente, qu’elle arrive rarement, que le patient peut se souvenir de la période précise de son apparition. Les premiers symptômes remarqués sont une légère sensation de faiblesse, avec une propension à trembler dans une partie spécifique ; parfois sur la tête, mais plus communément sur l’une des mains et des bras.

… A ce stade, le sommeil est très perturbé. Le mouvement de tremblement des membres se produit pendant le sommeil et augmente jusqu’à ce que le patient soit réveillé, et souvent avec beaucoup d’agitation et d’alarme.

– Une Répétition sur la paralysie tremblante James Parkinson, Fellow du Royal College of Surgeons 1817

La maladie de Parkinson (MP) est une maladie dégénérative de notre système neurologique qui se traduit par des tremblements et une bradykinésie. bradyralentir, kinèse, pour le mouvement, reflète une incapacité croissante à bouger nos muscles ; au fil du temps, cela entraîne une raideur des mouvements et des changements dans notre posture. Les tremblements fins, souvent observés pour la première fois dans les mains ou les pieds, sont une façon de penser aux changements musculaires. Au lieu de notre mouvement normal, il n’y a qu’une légère fluctuation de position, entraînant une légère variation de la position de la main – le tremblement. Métaphoriquement, les amortisseurs qui adoucissent notre conduite ne fonctionnent pas à leur apogée et notre conduite devient un peu plus cahoteuse.

Les changements respiratoires font également partie de la MP, bien qu’ils ne soient pas aussi perceptibles au début de la maladie et puissent passer inaperçus. Pour étendre l’analogie des tremblements des mains, peut-être au début de la maladie de Parkinson, notre inspiration et notre expiration normalement douces, toutes deux régies par les muscles, peuvent montrer de petites fluctuations, un changement saccadé que nous ne remarquons pas. Bien que la cause sous-jacente de la MP reste inconnue, elle semble impliquer une perte d’activité dopaminergique dans le tronc cérébral, qui contrôle, entre autres fonctions, notre respiration.

Certains patients parkinsoniens décrivent la sensation de dyspnée (difficulté à respirer) et d’essoufflement – un symptôme qui, selon nous, est basé sur la force perçue de nos muscles respiratoires. Dans la MP, il semble y avoir une réponse émoussée à nos niveaux de COdeux C’est ledeux, qui jouent tous deux un rôle dans la régulation de notre respiration. Les données ne sont pas claires sur lesquels de ces gaz peuvent être affectés dans les cas individuels de MP. Pourtant, il semble que ces changements entraînent une incoordination précoce de notre respiration – ce que j’ai décrit comme un changement saccadé dans le flux d’air généralement régulier avec l’inspiration et l’expiration.

“La MP est souvent associée à des troubles respiratoires, même aux stades pré-moteurs, … la présence de symptômes respiratoires doit alerter le clinicien sur une MP qui n’est pas bien contrôlée ou qui progresse.”

L’étude

Les chercheurs ont utilisé une “ceinture respiratoire”, essentiellement une jauge qui mesure le changement de taille, placée autour de la poitrine ou de l’abdomen d’un patient endormi, enregistrant les mouvements pendant son sommeil. [1] Ils ont utilisé une combinaison d’ensembles de données d’études sur le sommeil regroupant ces 7 600 patients, totalisant 12 000 nuits de sommeil ou 120 000 heures de sommeil. Environ 10 % de ces personnes ont reçu un diagnostic de MP.

Comme pour la plupart des recherches sur l’IA, l’ensemble de données, composé de signaux de sommeil d’une seule nuit de test, a été réparti entre un groupe d’entraînement et un groupe de test. Et tout comme l’IA, ce qui a été identifié dans ces signaux est inconnu. Cela dit, la « boîte noire » a produit des résultats significatifs.

  • Il a identifié avec précision près de 90 % des patients atteints de MP. Il a identifié près de 80 % des patients sans MP (la sensibilité diagnostique) et une spécificité de 80 %, identifiant correctement les patients atteints de la maladie. Par Comparaison, la mammographie numérique, largement utilisée pour le dépistage et l’identification du cancer du sein, a une sensibilité de 85 % et une spécificité de 90 %. Gardez à l’esprit que nous parlons de MP, où jusqu’à présent, le diagnostic était basé sur l’expérience et les compétences d’examen du médecin.
  • Le moyen actuel de suivre la progression de la MP est l’échelle d’évaluation unifiée de la maladie de Parkinson de MDS (MDS-UPDRS), une évaluation quasi-subjective en plusieurs parties. L’analyse AI de ces signes respiratoires nocturnes était fortement corrélée, 0,94 (1,0 est identique), avec le score MDS-UPDRS d’un individu. Ainsi, l’algorithme peut également suivre la progression.
  • En utilisant un ensemble de données beaucoup plus petit de sujets subissant des tests de sommeil qui n’avaient aucune preuve de MP lors des tests initiaux mais avaient un diagnostic de MP lors d’un examen ultérieur six ans plus tard, l’algorithme a correctement identifié 75% des patients initialement asymptomatiques qui ont progressé vers la MP. . Cela suggère que l’algorithme peut être utilisé pour une détection précoce.
  • Enfin, l’une des faiblesses des diagnostics dérivés de l’IA est qu’ils ne sont souvent pas aussi fiables lorsqu’ils sont testés sur des ensembles de données autres que ceux utilisés lors de la formation et des tests initiaux. Ce n’était pas le cas ici, où la capacité de diagnostic de l’algorithme, lorsqu’elle a été testée par rapport à des données de sommeil complètement différentes, a montré une précision de diagnostic proche de 90 %.

Il y a, bien sûr, au moins une mise en garde (n’y en a-t-il pas toujours ?). Ces modifications respiratoires ne sont ni spécifiques ni définitives (pathogenèse est le terme médical), uniquement pour la MP, mais peut être observé dans d’autres troubles neurologiques des motoneurones. Cela dit, cela pourrait représenter une avancée significative dans le diagnostic et les soins. Il est non invasif, peut être fait à la maison, et identifie et suit les patients d’une manière objective qui augmentera, sinon supplantera, nos mesures subjectives actuelles.

“Aucun médecin aujourd’hui ne peut détecter la MP ou évaluer sa gravité en respirant. Cela montre que l’IA peut fournir de nouvelles informations cliniques qui seraient autrement inaccessibles.

Pour une maladie qui n’est actuellement pas guérissable, où nous pouvons améliorer la qualité de vie avec des médicaments, mais nous continuons à trébucher sur le diagnostic initial et le suivi de l’évolution de la maladie, cette IA est un pas en avant.

[1] Ils peuvent également effectuer les mêmes mesures à l’aide d’ondes radio sans avoir besoin de ceintures respiratoires ou d’autres appareils portables.

Sources: Dysfonction respiratoire dans la maladie de Parkinson : une revue narrative European Respiratory Journal Open Research DOI: 10.1183/23120541.00165-2020

Détection et évaluation de la maladie de Parkinson par l’intelligence artificielle à l’aide de signaux respiratoires nocturnes Médecine naturelle DOI : 10.1038/s41591-022-01932-x

Leave a Comment

Your email address will not be published.