Un outil d’IA abordable prédit avec précision les signes de la maladie d’Alzheimer à partir de tests simples

Une nouvelle outil d’intelligence artificielle économique permet de prédire des signes précurseurs de la maladie d’Alzheimer. Des chercheurs de l’école de médecine Chobanian & Avedisian de l’Université de Boston ont développé un modèle d’IA capable de détecter avec précision des indicateurs clés de la maladie, notamment la présence de protéines anormales comme l’amyloïde bêta et la tau, à partir de tests courants et peu coûteux : imagerie cérébrale, évaluations de mémoire et dossiers médicaux. Ces résultats sont publiés en ligne dans la revue Nature Communications. Contrairement aux méthodes traditionnelles, qui peuvent nécessiter des examens invasifs ou très onéreux comme les analyses de liquide céphalorachidien ou les scanners d’imagerie moléculaire, cette approche repose sur des données déjà disponibles dans les parcours de soins. L’algorithme a été entraîné sur des milliers de dossiers médicaux, en combinant des informations cliniques, des résultats d’imagerie par résonance magnétique (IRM) et des tests cognitifs. Il parvient ainsi à identifier des profils prédictifs de dégénérescence cérébrale liée à l’Alzheimer bien avant l’apparition des symptômes cliniques. Cette innovation pourrait transformer la détection précoce de la maladie, en permettant aux médecins de repérer les patients à risque plus tôt, dans des contextes de soins ordinaires. Elle ouvre aussi la voie à des interventions préventives, comme des changements de mode de vie ou des traitements expérimentaux, au moment où ils sont le plus efficaces. Grâce à sa faible coût et son intégration facile dans les systèmes de santé existants, l’outil pourrait être déployé à grande échelle, notamment dans les zones où les ressources médicales sont limitées. Les chercheurs soulignent que bien que l’IA ne remplace pas un diagnostic médical, elle s’impose comme un puissant outil d’aide à la décision. Elle permet de réduire les délais de dépistage, d’éviter des examens inutiles et d’optimiser l’allocation des ressources. À l’avenir, cette technologie pourrait être combinée à d’autres données biologiques ou génétiques pour affiner encore davantage sa précision. Cette avancée marque une étape importante vers une médecine plus prédictive, personnalisée et accessible, en s’appuyant sur des outils numériques pour lutter contre l’une des maladies neurodégénératives les plus préoccupantes du XXIe siècle.