Des scientifiques de Clinique Mayo utilisent l'intelligence artificielle (IA) et l'apprentissage automatique pour analyser les examens d'électroencéphalogramme (EEG) avec plus de rapidité et de précision, permettant aux neurologues de détecter les premiers signes de démence parmi des données qui ne sont normalement pas examinées.
L'EEG, un test vieux de plus d'un siècle dans lequel une douzaine d'électrodes ou plus sont fixées sur le cuir chevelu pour surveiller l'activité cérébrale, est souvent utilisé pour détecter l'épilepsie. Ses résultats sont interprétés par des neurologues et d’autres spécialistes formés pour identifier des tendances parmi les vagues irrégulières de l’examen.
Dans une nouvelle recherche publiée dans Brain Communications, des scientifiques du programme d'intelligence artificielle en neurologie (NAIP) de la Mayo Clinic démontrent comment l'IA peut non seulement accélérer l'analyse, mais également alerter les spécialistes analysant les résultats des tests sur des modèles anormaux trop subtils pour que les humains puissent les détecter. La technologie démontre le potentiel d'aider un jour les médecins à faire la distinction entre les causes de problèmes cognitifs tels que la maladie d'Alzheimer et la démence à corps de Lewy. La recherche suggère que les EEG, qui sont plus largement disponibles, moins coûteux et moins invasifs que les autres tests d’évaluation de la santé cérébrale, pourraient constituer un outil plus accessible pour aider les médecins à identifier précocement les problèmes cognitifs chez les patients.
« Dans l'EEG, ces ondes cérébrales contiennent de nombreuses informations médicales sur la santé du cerveau », explique l'auteur principal David T. Jones, neurologue et directeur du NAIP. « On sait qu’il est possible de voir ces ondes ralentir et prendre un aspect un peu différent chez les personnes qui ont des problèmes cognitifs. Dans notre étude, nous voulions savoir si nous pouvions mesurer et quantifier avec précision ce type de ralentissement à l’aide de l’IA.
Pour développer cet outil, les chercheurs ont rassemblé les données de plus de 11 000 patients ayant subi des EEG à la clinique Mayo pendant une décennie. Ils ont utilisé l'apprentissage automatique et l'IA pour simplifier les modèles complexes d'ondes cérébrales en six caractéristiques spécifiques, apprenant au modèle à éliminer automatiquement certains éléments, tels que les données qui devraient être ignorées, afin de se concentrer sur les modèles caractéristiques des problèmes cognitifs tels que la maladie d'Alzheimer.
« Il était remarquable de voir comment la technologie a permis d'extraire rapidement des modèles EEG par rapport aux mesures traditionnelles de la démence telles que les tests cognitifs au chevet du patient, les biomarqueurs fluides et l'imagerie cérébrale », explique Wentao Li, co-auteur principal de l'article qui a dirigé la recherche avec le NAIP alors qu'il était un résident en neurologie comportementale à la clinique Mayo.
« À l’heure actuelle, l’opinion d’experts est une manière courante de quantifier les tendances dans les données médicales. Et comment savons-nous que ces modèles sont présents ? Parce qu’un expert dit qu’ils sont présents », explique Jones. « Mais désormais, grâce à l'IA et à l'apprentissage automatique, nous pouvons non seulement voir des choses que les experts ne peuvent pas voir, mais nous pouvons également quantifier avec précision ce qu'ils peuvent voir. »
L’utilisation de l’EEG pour détecter des problèmes cognitifs ne remplacerait pas nécessairement d’autres types de tests, tels que l’IRM ou la tomographie par émission de positons (TEP). Mais grâce à la puissance de l'IA, l'EEG pourrait un jour fournir aux professionnels de la santé un outil plus rentable et plus accessible pour un diagnostic précoce dans les communautés qui ont difficilement accès à des cliniques spécialisées ou à des équipements spécialisés, comme dans les milieux ruraux, selon Jones.
« Il est très important de détecter les problèmes de mémoire le plus tôt possible, avant même qu'ils ne deviennent évidents », prévient Jones. « Avoir un diagnostic correct à un stade précoce nous aide à fournir une vue d'ensemble correcte et le meilleur traitement pour le patient. Les méthodes que nous étudions pourraient constituer un moyen plus rentable d’identifier les personnes souffrant de perte de mémoire précoce ou de démence par rapport aux tests actuels dont nous disposons, tels que les tests de liquide céphalo-rachidien, les tests de glycémie cérébrale ou les tests de mémoire.
Selon David Jones, plusieurs années de recherche supplémentaires sont nécessaires pour continuer à tester et valider les outils. Cependant, il affirme que la recherche démontre qu'il existe des moyens d'utiliser les données cliniques pour intégrer de nouveaux outils dans le flux de travail clinique afin d'atteindre l'objectif des chercheurs consistant à apporter de nouveaux modèles et innovations à la pratique clinique, à améliorer les capacités des évaluations existantes et à faire évoluer ces connaissances. à l'extérieur de la clinique Mayo.
« Ce travail illustre le travail d'équipe multidisciplinaire pour faire progresser la recherche translationnelle basée sur la technologie », déclare Yoga Varatharajah Ph.D., co-auteur principal de l'article et collaborateur de recherche du NAIP une fois le travail terminé.
Le financement de la recherche comprend le soutien de l'Edson Family Fund, de l'Epilepsy Foundation of America, de la Benjamin A. Miller Family Fellowship in Aging and Related Diseases, du Mayo Clinic Artificial Intelligence in Neurology Program et de la National Science Foundation (Prix n° IIS -2105233), et des National Institutes of Health, y compris la subvention UG3 NS123066.
