Le vieillissement de la population mondiale pose des défis complexes aux systèmes de santé, nécessitant une attention urgente au diagnostic précoce des maladies neurodégénératives. Face à ce scénario, des chercheurs du Bureau des Grands Projets de l'Institut de Sciences Mathématiques et Informatiques (ICMC) de l'USP, à São Carlos, développent une plateforme technologique qui promet de révolutionner la façon dont nous évaluons la santé mentale des personnes âgées. Le projet postdoctoral du Centre d'intelligence artificielle dans la gestion de la santé (ciaGsaúde), financé par la Fondation de recherche de São Paulo (FAPESP), se concentre sur la détection des troubles cognitifs légers (MCI), une étape critique qui précède les démences graves, comme la maladie d'Alzheimer. La recherche est développée en partenariat avec des centres de recherche de la région et des laboratoires tels que le Centre d'ingénierie appliquée à la santé, basé à l'École d'ingénierie de São Carlos (EESC) de l'USP.
Actuellement, on estime qu’entre 15 % et 20 % des personnes de plus de 65 ans souffrent de MCI, la moitié de ce groupe développant une démence dans les cinq ans. Identifier précocement cette transition est l'objectif principal des travaux développés par Roberto Douglas Guimarães de Aquino, dont le conseiller est le professeur à la CICM-USP et coordinateur de la ciaGsaúde, Alexandre Delbem.
Selon l'auteur, traditionnellement, le dépistage et le suivi du déclin cognitif reposent sur des examens neuropsychologiques au stylo et sur papier, tels que le Mini-Mental (MMSE) et le Montreal Cognitive Assessment (MoCA). « Bien que largement utilisés dans la pratique clinique, ces tests présentent des limites importantes : ils sont vulnérables aux variables socioculturelles et éducatives du patient, dépendent d'interprétations subjectives et ont une sensibilité réduite pour détecter les formes de déficience les plus légères et les plus précoces. Ce que nous proposons ici est un changement de paradigme avec une expérience immersive et dynamique capable de mesurer les réactions biologiques exactes du cerveau en quelques millisecondes. »
Session unique et croisement de données multimodales
En pratique, l'évaluation des patients est directe et dynamique : les participants subissent une seule séance de collecte de données multimodale. Ils réalisent la batterie d'évaluation cognitive (CAB) immersive dans un environnement de réalité virtuelle (développé dans le moteur Unity 3D, un programme informatique) simulant des tâches de routine. À mesure qu’ils interagissent, l’activité cérébrale est enregistrée par électroencéphalogramme (EEG) et les mouvements oculaires sont capturés par suivi oculaire. Les schémas oculomoteurs, tels que le temps de fixation du regard, révèlent des niveaux d'allocation d'attention, tandis que les oscillations des ondes cérébrales dans l'EEG indiquent un effort de mémoire de travail.
Toute cette masse de données collectées est traitée de manière intégrée par des pipelines avancés d’Intelligence Artificielle (séquence d’étapes automatisées), utilisant à la fois des modèles d’apprentissage automatique (Machine Learning) et des réseaux de neurones profonds (Deep Learning). Pour garantir une différence éthique et méthodologique, l’architecture de l’IA a été conçue en privilégiant les modèles interprétables.
« En plaçant le patient dans un environnement virtuel contrôlé, nous sommes en mesure d'extraire des biomarqueurs numériques prédictifs. Nous cartographions avec précision la corrélation exacte entre le stimulus que voit la personne âgée, la stratégie visuelle tracée par ses yeux et la réponse neurophysiologique de son cortex cérébral. L'IA agit comme un cerveau analytique, traversant ces informations en temps réel, nettoyant le bruit et recherchant des modèles statistiques associés à un déclin précoce. Plus que de donner une réponse automatisée s'il y a ou non une déficience, notre algorithme explique le « pourquoi », générant un rapport détaillé à soutenir la décision du neurologue”, observe Aquino.
La recherche est menée selon des critères éthiques stricts et implique des groupes cliniques et des volontaires témoins sains, appariés en termes d'âge et d'éducation. Toutes les données collectées sont stockées dans des banques sécurisées, préservant l'anonymat des participants.
Alexandre Delbem souligne que ces travaux ouvrent dans un deuxième temps des portes cruciales pour orienter les thérapies personnalisées de neurorééducation, tant cognitives que motrices, redonnant l'autonomie aux personnes et réduisant le besoin d'interventions médicamenteuses.
« En plus d'offrir un outil de santé innovant pour anticiper le diagnostic et ralentir l'évolution des maladies neurodégénératives, le projet renforce l'engagement en faveur d'une science ouverte mondiale dans ce domaine. Une fois les validations cliniques terminées, le logiciel d'analyse intégré, les algorithmes développés et les ensembles de données dûment anonymisés seront rendus publics en open source sur GitHub, permettant aux scientifiques du monde entier de collaborer et de reproduire la méthodologie brésilienne », a-t-il conclu.
(Avec informations du Jornal da USP et Raquel Vieira)
