Les montres connectées révèlent des informations sur les maladies psychiatriques et les liens génétiques
infohightech ·
Les montres connectées capables de collecter des données physiques et physiologiques sur les utilisateurs pourraient être des outils potentiellement intéressants en biomédecine pour mieux comprendre les maladies cérébrales et les troubles du comportement et les éventuelles mutations motrices liées à ces pathologies.
C'est ce qui ressort d'une étude publiée dans la revue Cell , dirigée par le co-auteur Mark Gerstein, de l'Université de Yale, avec la participation du professeur Diego Garrido Martín, du Département de génétique, microbiologie et statistique de la Faculté de biologie de l'Université de Barcelone.
En utilisant les données des montres connectées de plus de 5 000 adolescents, l’équipe de recherche a pu former des modèles d’intelligence artificielle pour prédire si les individus souffraient de différentes maladies psychiatriques et trouver des gènes associés à ces maladies. Les résultats suggèrent que ces capteurs portables pourraient permettre une compréhension et un traitement beaucoup plus détaillés des maladies psychiatriques.
« En psychiatrie traditionnelle, un médecin évalue vos symptômes et vous diagnostique une maladie ou non », explique le professeur Mark Gerstein, expert en biochimie, informatique, statistiques et science des données. « Mais dans cette étude, nous nous sommes concentrés sur le traitement des données des objets connectés d'une manière qui pourrait à la fois être exploitée pour prédire les maladies de manière plus complète et pour mieux les relier aux facteurs génétiques sous-jacents. »
Détecter les maladies de manière aussi quantitative est difficile. Mais les capteurs portables, qui collectent des données en continu au fil du temps, pourraient être la solution. Pour la nouvelle étude, l’équipe a utilisé les données de l’Adolescent Brain Cognitive Development Study, la plus grande évaluation à long terme du développement cérébral et de la santé des enfants aux États-Unis.
Les données utilisées dans l’étude, recueillies à partir de montres intelligentes portées par des adolescents âgés de 9 à 14 ans, comprenaient des mesures de la fréquence cardiaque, de la dépense calorique, de l’intensité de l’activité physique, du nombre de pas, du niveau de sommeil et de l’intensité du sommeil.
Crédit : Jason J. Liu et al.
« Lorsqu'elles sont traitées correctement, les données des montres connectées peuvent être utilisées comme un « phénotype numérique » », explique le chercheur Jason Liu, membre du laboratoire de Gerstein et co-auteur principal de l'étude. Les chercheurs proposent d'utiliser le terme de phénotype numérique pour décrire les caractéristiques qui peuvent être mesurées et suivies à l'aide d'outils numériques tels que les montres connectées.
« L’un des avantages de cette démarche est que nous pouvons utiliser le phénotype numérique presque comme un outil de diagnostic ou un biomarqueur, et également combler le fossé entre la maladie et la génétique », ajoute Liu.
À cette fin, les chercheurs ont également développé une méthodologie permettant d'obtenir l'énorme quantité de données des montres intelligentes et de convertir les données brutes en informations pouvant être utilisées pour former un modèle d'IA, « un nouveau problème à résoudre dans le monde de la recherche qui est techniquement difficile », selon Gerstein.
L’équipe a découvert que la fréquence cardiaque était la mesure la plus importante pour prédire le TDAH, tandis que la qualité et le stade du sommeil (les différents cycles par lesquels passe le corps pendant le sommeil) étaient plus importants pour identifier l’anxiété.
« Ces résultats suggèrent que les données des montres intelligentes peuvent nous fournir des informations sur la manière dont les modèles temporels physiques et comportementaux sont liés à différentes maladies psychiatriques », a déclaré Gerstein.
De plus, les données pourraient également aider à différencier les différents sous-types de la maladie. « Par exemple, le TDAH se décline sous différentes formes », explique Beatrice Borsari, postdoctorante au laboratoire de Gerstein et co-auteure principale de l’étude. « Peut-être pourrions-nous étendre ce travail pour aider à distinguer les formes d’inattention et d’hyperactivité, qui répondent généralement à différents traitements pharmacologiques. »
Ayant constaté que le phénotype numérique pouvait être utilisé pour prédire les maladies psychiatriques, l'équipe a étudié s'il pouvait également aider à identifier les facteurs génétiques sous-jacents , en utilisant une série d'outils statistiques multivariés développés grâce à la contribution scientifique de l'Université de Barcelone.
En examinant si les mutations génétiques affectaient différemment les données de la montre connectée chez les personnes en bonne santé et chez celles atteintes de TDAH, ils ont pu identifier 37 gènes associés au TDAH. Mais lorsqu’ils ont effectué une analyse similaire pour déterminer si des gènes particuliers étaient associés à un diagnostic de TDAH, ils n’en ont trouvé aucun. Cette découverte souligne la valeur ajoutée de l’utilisation continue des données de la montre connectée, explique l’équipe.
Les résultats établissent un lien entre les maladies psychiatriques, les phénotypes numériques et les génotypes et montrent comment les capteurs portables peuvent fournir une compréhension plus approfondie des maladies psychiatriques.
« Cette méthode est très prometteuse pour répondre aux défis de longue date de la psychiatrie et pourrait finalement remodeler la façon dont nous comprenons la génétique et la structure des symptômes des troubles psychiatriques », a déclaré Walter Roberts, professeur adjoint de psychiatrie à la faculté de médecine de Yale et co-auteur principal de l'étude.
Bien que l’étude se soit concentrée sur le TDAH et l’anxiété, les chercheurs espèrent que cette approche sera largement applicable. Elle pourrait par exemple être utile pour comprendre les maladies neurologiques ou la neurodégénérescence. De plus, ils espèrent que leurs résultats pourront servir d’inspiration pour aller au-delà des diagnostics cliniques traditionnels et adopter des mesures comportementales quantitatives qui pourraient être plus utiles pour identifier les biomarqueurs génétiques.
https://medicalxpress.com/news/2025-01-smartwatches-reveal-insights-psychiatric-illnesses.html
https://web.ub.edu/en/web/actualitat/w/recerca-rellotges-intelligents