La maladie d'Alzheimer (MA) touche plus de 50 millions de personnes dans le monde, et le vieillissement de la population signifie qu'il pourrait y en avoir beaucoup plus dans les décennies à venir. Bien qu'il se développe généralement sans symptômes pendant de nombreuses années, il est généralement précédé de ce que l'on appelle une déficience cognitive légère.
Cependant, il est difficile de détecter l'apparition de la maladie à un stade précoce, car les symptômes commencent souvent de manière très subtile et peuvent être confondus avec des problèmes de mémoire typiques de la vieillesse. Mais, comme le soulignent les experts, plus tôt leurs signaux sont détectés, plus les patients peuvent commencer le traitement.
Est-il possible de diagnostiquer plus tôt la maladie d'Alzheimer avec un modèle d'apprentissage automatique ? C'est la question posée par un groupe de scientifiques appartenant à l'Université d'Alberta, au Canada, et pour laquelle ils ont mené une enquête qui a été décrite dans un document, " Exploring Language-Agnostic Speech Representations Using Domain Knowledge for Detecting Alzheimer's Dementia ", qui apparaîtra au ICASSP 2023 Signal Processing Grand Challenge , où l'équipe s'est classée 1ère en Amérique du Nord et 4ème au niveau mondial.
"Étant donné que la MA se caractérise par un déclin progressif des capacités cognitives, qui peut entraîner des troubles de la parole et du langage , l'analyse des signaux vocaux pour sa détection a un grand potentiel", note l'étude.
Des façons d'utiliser les données vocales pour détecter des indicateurs de maladie ont été explorées, et le modèle a pu distinguer les patients atteints de la maladie d'Alzheimer des témoins sains avec une précision de 70 à 75 %, un chiffre prometteur pour les plus de 747 000 Canadiens qui ont cette maladie ou une autre forme de maladie. démence.
« En utilisant des fonctions acoustiques et linguistiques, inspirées de la recherche clinique sur la maladie d'Alzheimer, notre modèle de classification haute performance atteint une précision de 69 % pour distinguer les patients atteints de maladie d'Alzheimer des témoins sains, et notre modèle de régression atteint un RMSE de 4,8 pour déduire les résultats des tests cognitifs. Ces résultats soulignent le potentiel de notre modèle explicable pour détecter le déclin cognitif chez les patients atteints de MA par la parole et son applicabilité en milieu clinique. »
Comment s'est déroulée l'enquête
« Avant, il fallait des tests de laboratoire et des images médicales pour détecter les changements dans le cerveau ; cela prend du temps, c'est cher et personne ne se fait tester aussi tôt », a déclaré Eleni Stroulia, professeure au Département d'informatique de l'Université de l'Alberta, qui a participé à la création du modèle.
"Le travail initial était d'écouter ce que la personne dit, de comprendre ce qu'elle dit, le sens. C'est un problème de calcul plus facile à résoudre », a déclaré Stroulia. « Maintenant, nous disons, écoutez la voix. Il y a certaines propriétés dans la façon dont les gens parlent qui transcendent le langage."
Les chercheurs ont commencé par les caractéristiques de la parole qui, selon les médecins, étaient courantes chez les patients atteints de la maladie d'Alzheimer . Ces patients avaient tendance à parler plus lentement, avec plus de pauses ou d'interruptions de la parole. Ils utilisaient généralement des mots plus courts et avaient souvent une intelligibilité réduite dans leur discours. Les chercheurs ont trouvé des moyens de traduire ces formes de parole caractéristiques que le modèle pouvait détecter.
Bien que les chercheurs se soient concentrés sur les anglophones et les grecs , cette technologie a le potentiel d'être utilisée dans différentes langues, et l'expérience utilisateur éventuelle d'un outil qui l'intègre est on ne peut plus simple.
"Une personne parle à l'outil, il fait une analyse et fait une prédiction : soit oui, la personne a la maladie d'Alzheimer ou non", a déclaré Russ Greiner, contributeur à l'article, professeur au Département d'informatique de l'Université de Alberta et membre de l'Institut des neurosciences et de la santé mentale. Ces informations peuvent ensuite être transmises à un professionnel de la santé afin de déterminer le meilleur plan d'action pour la personne.
« Si vous pouviez utiliser les téléphones portables pour obtenir un indicateur précoce, cela informerait la relation du patient avec son médecin. Potentiellement, cela commencerait le traitement plus tôt, et nous pourrions même commencer des interventions simples à domicile, également avec des appareils mobiles, pour ralentir la progression », a déclaré Stroulia.
Un outil de dépistage ne remplacerait pas les professionnels de santé. Cependant, en plus d'aider à la détection précoce, cela créerait un moyen rapide de traiter la maladie via la télésanté pour les patients qui peuvent faire face à des barrières géographiques ou linguistiques pour accéder aux services dans leur région, a expliqué Zehra Shah, étudiante à la maîtrise au Département d'informatique. à l'Université de l'Alberta.
L'utilisation de l'intelligence artificielle et de l'apprentissage automatique dans le diagnostic de la maladie d'Alzheimer n'est pas nouvelle. La FDA (US Food and Drug Administration) a déjà donné son feu vert à plusieurs sociétés développant des systèmes, dont QYNAPSE, qui a lancé une plateforme pour proposer une quantification automatisée d'une large gamme de marqueurs neurodégénératifs et neuroinflammatoires et qui est également utile en cas de la sclérose en plaques, la maladie de Parkinson et d'autres troubles neurologiques ; ou encore le système conçu par QMENTA, un outil de neuro IA qui donne une vision de l'anatomie du cerveau et accentue les lésions tissulaires ou les hyperintensités en couleur et en 3D.
De plus, cette société a créé des cartes du réseau cérébral pour voir les changements dans les connexions dus à une maladie ou à une blessure.
Continuer à lire: