L'IA apprend à prédire le risque de décès dû à la maladie de Parkinson

Des scientifiques de l'Université Yonsei (Corée du Sud) ont mené une étude visant à prédire la mortalité des patients atteints de la maladie de Parkinson grâce à l'intelligence artificielle explicative (IAX), capable de décrire leurs actions et leurs décisions. Pour ce faire, les spécialistes ont utilisé les données de 36 480 personnes. Pour la prévision individuelle, 165 paramètres ont été dérivés de ces données, dont l'âge, le sexe, le niveau de revenu, la zone de résidence et le type d'assurance. L'IA, utilisant sept algorithmes d'apprentissage automatique, a identifié les caractéristiques les plus influentes pour prédire la mortalité. Les résultats de l'étude ont été publiés dans la revue Nature.

Parmi les algorithmes, XGBoost a affiché les meilleures performances. Le modèle a identifié l'âge, le sexe (masculin), la pneumonie, la maladie d'Alzheimer et un indice de masse corporelle élevé comme les caractéristiques les plus significatives pour prédire la mortalité. Les marqueurs incluaient également l'infarctus ischémique, la démence non spécifiée et les traumatismes crâniens.

Le tableau comparait les données des patients décédés dans les 10 ans suivant le diagnostic avec celles des patients vivant avec la maladie pendant la même période. Outre les dossiers médicaux du Service national d'assurance maladie de Corée du Sud (NHIS), les chercheurs ont utilisé les informations des questionnaires personnels des patients, ce qui a permis de détailler les indicateurs de qualité de vie. Le modèle a montré que les patients ayant une faible activité physique décédaient plus souvent (13 484 personnes sur 36 480 sur 10 ans). Parallèlement, seules 809 personnes menant une vie active sont décédées au cours de cette période.

Un autre paramètre étudié, la glycémie à jeun (mg/dl), était en moyenne de 107,79 ± 35,47 chez les patients décédés et de 103,43 ± 27,84 chez les survivants. Les patients décédés présentaient des taux de cholestérol plus faibles (188,19 ± 45,26 contre 193,82 ± 44,59 chez les survivants) et un indice de masse corporelle (23,21 ± 3,29 contre 24,21 ± 3,10).

Les scientifiques soulignent qu'en utilisant l'IAX, ils ont pu démontrer la possibilité de prédire individuellement le risque de mortalité chez les patients atteints de la maladie de Parkinson au moment du diagnostic. Ainsi, les paramètres contrôlés (IMC, paramètres biologiques) peuvent être ajustés pour prolonger la vie. L'application pratique de ces données permet une prise en charge personnalisée des patients : par exemple, il est recommandé aux hommes âgés atteints de la maladie de Parkinson et d'une maladie d'Alzheimer concomitante de suivre spécifiquement leur poids et leurs paramètres biologiques. Cependant, les chercheurs soulignent que pour accroître la précision des prévisions à dix ans dans les études futures, il est conseillé d'intégrer des paramètres cliniques dynamiques. La validation du modèle sur d'autres populations est également nécessaire pour sa mise à l'échelle.

En septembre 2023, l'un des lauréats du Breakthrough Prize, officieusement appelé les « Oscars de la science », était une équipe de recherche allemande qui a découvert les causes génétiques les plus courantes de la maladie de Parkinson. Thomas Gasser (Hertie Institute for Clinical Brain Research, Université de Tübingen et Centre allemand des maladies neurodégénératives), Ellen Sidransky (National Human Genome Research Institute, National Institutes of Health) et Andrew Singleton (National Institute on Aging, National Institutes of Health) ont découvert les causes génétiques les plus courantes de la maladie de Parkinson.

Sidransky a identifié des mutations dans le gène GBA1, codant pour une enzyme responsable de la dégradation des lipides cellulaires, facteur de risque génétique de la maladie de Parkinson. Parallèlement, Gasser et Singleton ont montré, de manière indépendante, que des mutations dans le gène LRRK2 entraînent une augmentation de l'activité d'une protéine soupçonnée de contribuer aux lésions neuronales associées à la maladie. Ces résultats apportent des éléments de réponse aux mécanismes à l'origine de la maladie, soulignant le rôle du lysosome, un organite cellulaire qui dégrade et recycle les composants cellulaires.