Une nouvelle étude dirigée par des chercheurs de VIB et de l'KU Leuven révèle que la maladie de Parkinson n'est pas un trouble unique mais se divise en deux grands sous-types et cinq sous-groupes distincts. Ces découvertes, publiées dans Nature Communications, s'appuient sur une analyse par intelligence artificielle pour expliquer pourquoi un traitement universel est inefficace et ouvrent la voie à des thérapies personnalisées. Traditionnellement, la maladie de Parkinson est définie par ses symptômes cliniques communs, tels que les troubles du mouvement et le déclin neurologique. Cependant, derrière cette apparence uniforme se cachent de multiples mutations génétiques entraînant des mécanismes biologiques très divers. Cette complexité a longtemps entravé le développement de traitements efficaces, car une thérapie ciblant une voie spécifique échoue souvent pour les patients ayant des formes génétiques différentes. Pour surmonter ce défi, l'équipe de recherche a abandonné les hypothèses traditionnelles. Ils ont utilisé des modèles de drosophiles (mouches) portant des mutations dans 24 gènes différents associés à la maladie. En suivant le comportement de ces animaux au fil du temps et en appliquant des méthodes d'apprentissage automatique non biaisées, ils ont laissé les données révéler leurs propres structures cachées. Contrairement aux approches classiques qui cherchent à confirmer des préjugés, cette stratégie a permis d'identifier des regroupements naturels de la maladie qui n'auraient pas été détectés autrement. Le professeur Patrik Verstreken, responsable de l'étude, souligne que si les cliniciens ne voient que les symptômes unificateurs, l'analyse moléculaire révèle des catégories distinctes. Cette découverte confirme l'existence de dysfonctionnements moléculaires variés nécessitant des solutions ciblées, car un médicament unique ne peut résoudre l'ensemble de ces dysrégulations. Les résultats montrent que cette approche n'est pas seulement théorique. Lors des tests, des composés ont réussi à guérir les symptômes de la maladie chez des modèles animaux appartenant à un sous-groupe spécifique, mais ils se sont révélés inefficaces sur les autres sous-groupes. Par exemple, un composé curatif pour le sous-groupe A n'a pas sauvé le sous-groupe B. Ces observations prouvent qu'il est possible de développer des médicaments spécifiques à chaque sous-catégorie, offrant un véritable espoir pour des traitements de précision. Cette méthodologie non biaisée, où les patterns émergent directement des données sans préjugés, représente un cadre puissant pour comprendre la diversité biologique de la maladie. Elle démontre également le potentiel de l'intelligence artificielle pour révéler des variations cliniquement significatives invisibles par les méthodes conventionnelles. Au-delà de la maladie de Parkinson, les chercheurs suggèrent que ce principe pourrait être appliqué à d'autres affections causées par des mutations génétiques multiples ou des facteurs environnementaux. En classant ces maladies selon leurs caractéristiques moléculaires et leurs réponses aux traitements, la médecine pourrait évoluer vers une classification plus précise et des interventions plus ciblées pour les patients atteints de pathologies complexes. Cette étude marque ainsi une étape cruciale vers une approche véritablement personnalisée de la thérapie.