L’IA détecte la maladie de Parkinson en suivant le rythme de votre respiration
L’IA détecte la maladie de Parkinson en suivant le rythme de votre respiration

Une nouvelle étude a présenté un petit dispositif qui utilise des signaux radio pour suivre le rythme respiratoire d’une personne pendant son sommeil.
Une nouvelle étude convaincante indique que la maladie de Parkinson (MP) pourrait être diagnostiquée en suivant à distance le rythme respiratoire d’une personne. Menée par des chercheurs du MIT, l’étude présente un système d’IA qui utilise des ondes radio pour surveiller la respiration pendant le sommeil d’une personne.
Dina Katabi, chercheuse principale de la nouvelle recherche, a déclaré que l’étude s’inspirait d’observations vieilles de 200 ans de James Parkinson, le premier médecin à cataloguer cliniquement les signes de la maladie neurologique dégénérative.
« Une relation entre la maladie de Parkinson et la respiration a été notée dès 1817, dans les travaux du Dr James Parkinson », a expliqué Dina Katabi. « Cela nous a incités à envisager la possibilité de détecter la maladie à partir de la respiration, sans examiner les mouvements. Certaines études médicales ont montré que les symptômes respiratoires se manifestent des années avant les symptômes moteurs, ce qui signifie que les attributs respiratoires pourraient être prometteurs pour l’évaluation du risque avant le diagnostic de la maladie de Parkinson. »
La première étape a consisté à entraîner un réseau neuronal sur un ensemble massif de données sur la respiration nocturne. Près de 12 000 nuits de schémas respiratoires ont été analysées, provenant de 757 patients atteints de la maladie de Parkinson et d’environ 7 000 sujets témoins sains.
En testant le modèle d’IA sur un ensemble de données indépendant, il a été capable de diagnostiquer les patients atteints de la maladie de Parkinson avec une précision de 86 % à partir d’une seule nuit de données. En moyenne, l’étude a montré que 12 nuits consécutives de suivi pouvaient permettre d’atteindre une précision d’environ 95 % pour le diagnostic de la maladie de Parkinson.
Le potentiel du système pour diagnostiquer la maladie de Parkinson avant l’apparition de tout symptôme moteur est encore plus intéressant. L’ensemble de données étudié comprenait des données provenant de sujets avant et après un diagnostic de la maladie de Parkinson. Les deux visites de sommeil étaient espacées d’environ six ans et le modèle d’IA pouvait prédire la maladie de Parkinson dans la cohorte non diagnostiquée avec une précision de 75 % à partir du premier ensemble de données de sommeil, avant que le patient ne soit diagnostiqué comme ayant la maladie de Parkinson.
« Actuellement, le diagnostic de la MP est basé sur la présence de symptômes moteurs cliniques, dont on estime qu’ils se développent après que 50 à 80% des neurones dopaminergiques ont déjà dégénéré », écrivent les chercheurs dans l’étude. « Notre système montre les premières preuves qu’il pourrait potentiellement fournir une évaluation du risque avant les symptômes moteurs cliniques ».
Des travaux supplémentaires sont bien sûr nécessaires pour valider le système en tant qu’outil de diagnostic précoce, mais une utilisation plus immédiate pourrait être le suivi de la progression de la maladie. D’autres données analysées dans l’étude ont montré que le modèle d’IA peut suivre un patient atteint de la maladie de Parkinson pendant 12 mois et établir une corrélation entre les changements dans les schémas respiratoires et l’augmentation de la gravité de la maladie.
Selon Dani Katabi, cela pourrait avoir des utilisations dans divers contextes, qu’il s’agisse d’améliorer les soins cliniques pour les patients vivant dans des environnements éloignés ou d’aider les chercheurs à évaluer l’efficacité de nouveaux traitements médicamenteux dans le cadre d’essais cliniques.
« En termes de développement de médicaments, les résultats peuvent permettre des essais cliniques d’une durée nettement plus courte et avec moins de participants, ce qui accélère finalement le développement de nouvelles thérapies », a déclaré Dani Katabi. « En termes de soins cliniques, l’approche peut aider à l’évaluation des patients atteints de la maladie de Parkinson dans des communautés traditionnellement mal desservies, notamment ceux qui vivent dans des zones rurales et ceux qui ont des difficultés à quitter leur domicile en raison d’une mobilité limitée ou de troubles cognitifs. »
Il est encore tôt, mais les chercheurs ont déjà mis au point un dispositif mural qui peut être utilisé pour surveiller les patients à leur domicile. À terme, ce type d’appareil pourrait servir de système d’alerte précoce pour les personnes présentant un risque supérieur à la moyenne de développer la maladie de Parkinson, ou pour les patients en phase précoce qui souhaitent un suivi étroit de l’évolution de leur maladie.
« Nous envisageons que le système puisse être déployé au domicile des patients atteints de la maladie de Parkinson et des personnes présentant un risque élevé de développer la maladie (par exemple, celles qui ont une mutation du gène LRRK2) afin de surveiller passivement leur état et de fournir un retour d’information à leur fournisseur », ont spéculé les chercheurs dans la nouvelle étude. « Si le modèle détecte une escalade de la gravité chez les patients atteints de MP, ou une conversion en MP chez les personnes à haut risque, le clinicien pourrait suivre le patient pour confirmer les résultats, soit par le biais de la télésanté, soit par une visite à la clinique. »
https://www.nature.com/articles/s41591-022-01932-x
https://news.mit.edu/2022/artificial-intelligence-can-detect-parkinsons-from-breathing-patterns-0822