Modèles prédictifs pour la détection précoce des maladies neurodégénératives
Institut UNRIL — Département Sciences des données
Une nouvelle approche d'apprentissage automatique permet d'identifier des signaux précoces de maladies neurodégénératives plusieurs années avant les premiers symptômes cliniques.
Les maladies neurodégénératives, telles que la maladie d'Alzheimer et la maladie de Parkinson, restent parmi les défis majeurs de la médecine moderne. Leur diagnostic intervient souvent tardivement, lorsque les lésions sont déjà avancées et largement irréversibles.
Dans cette étude, nos équipes ont développé des modèles prédictifs combinant imagerie cérébrale, biomarqueurs sanguins et données cognitives longitudinales. En entraînant ces modèles sur plusieurs milliers de dossiers anonymisés, nous avons pu détecter des schémas subtils annonçant l'apparition de la maladie jusqu'à sept ans avant le diagnostic clinique.
La performance du modèle atteint une sensibilité de 87 % et une spécificité de 91 %, un résultat qui ouvre la voie à des dépistages plus précoces et à des interventions préventives ciblées. Ces travaux soulignent également l'importance de la protection des données médicales et de la transparence des algorithmes utilisés en santé.
Les prochaines étapes porteront sur la validation clinique à grande échelle et sur l'intégration de ces outils dans des parcours de soin réels, en collaboration avec des centres hospitaliers partenaires.