L’algorithme d’apprentissage automatique de l’IA prédit la schizophrénie

Geralt / Pixabay

Source: Geralt / Pixabay

Les troubles de santé mentale peuvent-ils être détectés tôt à l’aide de l’intelligence artificielle (IA)? Dans une étude publiée la semaine dernière dans la revue npj schizophrénie, des chercheurs de l’Université de l’Alberta au Canada et de l’Institut national de la santé mentale et des neurosciences en Inde ont créé un algorithme d’apprentissage automatique qui prédit la schizophrénie à partir d’images cérébrales avec une précision de 87%.

L’apprentissage automatique de l’intelligence artificielle (IA) est de plus en plus utilisé comme un outil pour aider les cliniciens dans une multitude d’objectifs. Cela est en grande partie dû aux capacités améliorées de reconnaissance de formes et de prédiction de la vision par ordinateur utilisant l’apprentissage en profondeur.

Ces dernières années, l’apprentissage automatique de l’intelligence artificielle gagne du terrain dans les secteurs des soins de santé, de la biotechnologie, de la pharmacie et des sciences de la vie. La Food and Drug Administration (FDA) des États-Unis a approuvé un certain nombre de dispositifs médicaux utilisant l’intelligence artificielle à des fins diverses telles que la détection d’hémorragies cérébrales, d’accident vasculaire cérébral, de rétinopathie diabétique, de fractures du poignet, de coronaropathie, de lésions des tissus pulmonaires, de concentration de fer dans le foie, les anomalies mammographiques, les calculs rénaux, la circulation sanguine cérébrale, etc. Ce sont des exemples d’utilisation novatrice de l’apprentissage automatique de l’IA pour les troubles du corps. Ce qui est à l’horizon, c’est l’application d’algorithmes d’IA pour la santé mentale, comme illustré comme preuve de concept dans cette nouvelle étude de recherche.

A lire aussi  Ce que vos pensées intérieures sur votre relation signifient vraiment

«Le but de notre étude était d’améliorer la précision de la prédiction diagnostique, par rapport aux résultats rapportés dans la littérature, en concevant un pipeline de création de fonctionnalités et d’apprentissage qui intègre des connaissances préalables en neuroanatomie et en neurophysiologie», ont écrit les chercheurs.

La schizophrénie est un trouble neuropsychiatrique qui a touché 20 millions de personnes dans le monde selon les chiffres de 2017 de Our World in Data. Il y a environ 3,5 millions d’Américains qui ont reçu un diagnostic de schizophrénie et c’est l’une des principales causes d’invalidité selon la Schizophrenia and Related Disorders Alliance of America (SARDAA).

«Les modèles d’IRM appris par machine ont le potentiel d’identifier des marqueurs biologiques et de délimiter des groupes de symptômes», a écrit Sunil Kalmady, qui a dirigé l’équipe de recherche de Russell Greiner, Rimjhim Agrawal, Venkataram Shivakumar, Janardhanan Narayanaswamy, Matthew Brown, Andrew Greenshaw, Serdar M Dursun et Ganesan Venkatasubramanian.

La schizophrénie est un trouble mental grave qui affecte la cognition, la perception, le comportement, les émotions et les relations avec les autres. Les personnes atteintes de schizophrénie peuvent avoir des hallucinations, des délires, un discours désorganisé, un comportement catatonique ou désorganisé et des difficultés à séparer l’imaginaire de la réalité. Bien que les scientifiques ne sachent pas exactement ce qui cause la schizophrénie, ni comment la prévenir, il est possible que la génétique, l’environnement et les neurotransmetteurs jouent un rôle selon la clinique Mayo.

«Malgré des décennies de recherche, il n’existe pas de marqueurs étiopathophysiologiques précis et fiables pour les principales affections psychiatriques», ont écrit les chercheurs.

A lire aussi  Faire plus | La psychologie aujourd'hui

Ce qui distingue cette étude des autres, c’est que de nombreuses études antérieures utilisent des scans IRMf qui ont été «confondus avec les effets des médicaments antipsychotiques» et donc «ces scans ne correspondaient pas au point du premier contact médical, et peuvent donc ne pas conduire à des modèles diagnostiques optimaux . » Ils ont utilisé les données de patients qui avaient reçu un diagnostic de schizophrénie, mais qui ne prenaient pas encore de médicaments. Les chercheurs ont utilisé les données IRMf à l’état de repos pour éliminer la possibilité de confusion des traitements antipsychotiques.

Les chercheurs soulignent également que dans d’autres études avec une précision supérieure à 80%, ont utilisé de petits ensembles de données, qui peuvent ne pas être adéquats pour capturer la nature hétérogène de la schizophrénie. Cette étude a utilisé les données de 174 sujets (81 patients et 93 témoins). Les patients provenaient de l’Institut national de la santé mentale et des neurosciences (NIMHANS, Inde), qui répondaient aux critères du DSM-IV pour la schizophrénie et qui n’ont jamais été traités avec des médicaments psychotropes. Les volontaires ont été présélectionnés à l’aide de MINI pour éliminer ceux avec un diagnostic psychiatrique pour le groupe témoin.

L’équipe a nommé son outil d’apprentissage automatique de l’IA «EMPaSchiz», qui est l’abréviation de algorithme Ensemble avec plusieurs parcellations pour la prédiction de la schizophrénie. MATLAB (The MathWorks, Inc) a été utilisé pour le prétraitement et l’extraction de caractéristiques. EMPaSchiz utilise des classificateurs de régression logistique.

«Notre modèle global consiste à empiler les prédictions de plusieurs modèles à source unique, chacun basé sur l’ensemble spécifique de fonctionnalités liées à l’activité IRMf régionale et à la connectivité fonctionnelle, et un schéma de parcellisation a priori spécifique», ont écrit les chercheurs.

A lire aussi  Comment maîtriser les limites en récupération

Avec cette nouvelle preuve de concept, les scientifiques ont démontré que l’apprentissage automatique peut prédire la schizophrénie à un stade précoce, ouvrant ainsi la voie à l’IA pour aider les cliniciens en tant qu’outil de santé mentale à l’avenir. Une nouvelle tendance se dessine.

Copyright © 2021 Cami Rosso Tous droits réservés.