Un nouvel outil d’IA semble prometteur pour détecter la maladie de Parkinson des années avant l’apparition des symptômes

Des scientifiques de l’UNSW de Sydney avec des collaborateurs de l’Université de Boston ont développé un outil prometteur pour détecter la maladie de Parkinson des années avant l’apparition des premiers symptômes.

Dans une étude publiée aujourd’hui dans la revue ACS Sciences Centralesles chercheurs ont décrit comment ils ont utilisé des réseaux de neurones pour analyser les biomarqueurs dans les fluides corporels des patients.

Des chercheurs de l’École de chimie de l’UNSW ont examiné des échantillons de sang prélevés sur des individus en bonne santé recueillis par l’enquête prospective européenne espagnole sur le cancer et la nutrition (EPIC). En se concentrant sur 39 patients qui ont développé la maladie de Parkinson jusqu’à 15 ans plus tard, l’équipe a exécuté son programme d’apprentissage automatique sur des ensembles de données contenant des informations détaillées sur les métabolites, les composés chimiques que le corps crée lors de la décomposition d’aliments, de médicaments ou de produits chimiques.

Après avoir comparé ces métabolites avec ceux de 39 patients témoins appariés – des personnes de la même étude qui n’ont pas développé la maladie de Parkinson – l’équipe a pu identifier des combinaisons uniques de métabolites qui pourraient prévenir ou potentiellement être des signes avant-coureurs de la maladie de Parkinson.

Comme l’explique Diana Zhang, chercheuse à l’UNSW, elle et le professeur agrégé W. Alexander Donald ont développé un outil d’apprentissage automatique appelé CRANK-MS, qui signifie classification et analyse de classification à l’aide de réseaux de neurones générant des connaissances à partir de la spectrométrie de masse.

La méthode la plus courante d’analyse des données métabolomiques consiste à utiliser des approches statistiques.

Ainsi, pour déterminer quels métabolites sont plus importants pour la maladie par rapport aux groupes témoins, les chercheurs examinent généralement les corrélations impliquant des molécules spécifiques.

Mais ici, nous gardons à l’esprit que les métabolites peuvent avoir des associations avec d’autres métabolites, c’est là que l’apprentissage automatique entre en jeu. Avec des centaines à des milliers de métabolites, nous avons utilisé la puissance de calcul pour comprendre ce qui se passe. »

Diana Zhang, chercheuse UNSW

Prof. Donald dit qu’en plus d’examiner les combinaisons de métabolites, les chercheurs ont utilisé une liste de données brutes.

Lire aussi  Traitement hormonal substitutif pour le traitement des symptômes de la ménopause : bénéfices et risques

« Habituellement, les chercheurs utilisant l’apprentissage automatique pour examiner les corrélations entre les métabolites et la maladie réduisent d’abord le nombre de caractéristiques chimiques, avant de les intégrer à l’algorithme », dit-il.

« Mais ici, nous entrons toutes les informations dans CRANK-MS sans aucune réduction de données au départ. Et à partir de là, nous pouvons obtenir la prédiction du modèle et identifier les métabolites qui conduisent le plus la prédiction, le tout en une seule étape. Cela signifie que s’il y a métabolites qui auraient pu passer inaperçus avec les approches conventionnelles, nous pouvons maintenant les détecter. »

Comment cela pourrait être significatif pour la maladie de Parkinson

Actuellement, la maladie de Parkinson est diagnostiquée en observant des symptômes physiques tels que des tremblements de la main au repos. Il n’y a pas de tests sanguins ou de laboratoire pour diagnostiquer les cas non génétiques. Mais des symptômes atypiques tels que les troubles du sommeil et l’apathie peuvent apparaître chez les personnes atteintes de la maladie de Parkinson des décennies avant l’apparition des symptômes moteurs. Le CRANK-MS pourrait donc être utilisé au premier signe de ces symptômes atypiques pour écarter ou écarter le risque de développer la maladie de Parkinson dans le futur.

Cependant, le professeur adjoint Donald souligne que des études de validation utilisant des cohortes beaucoup plus importantes et menées dans plusieurs parties du monde sont nécessaires avant que l’outil puisse être utilisé de manière fiable. Mais dans la cohorte limitée examinée pour cette étude, les résultats étaient prometteurs, avec CRANK-MS capable d’analyser les produits chimiques trouvés dans le sang pour détecter la maladie de Parkinson avec une précision allant jusqu’à 96 %.

Lire aussi  Revue : Dernières découvertes dans les soins liés au spina bifida de nombreuses comorbidités

« Cette étude est intéressante à plusieurs niveaux », dit-il.

« Premièrement, la précision est très élevée pour prédire la maladie de Parkinson avant le diagnostic clinique. Deuxièmement, cette approche d’apprentissage automatique nous a permis d’identifier les marqueurs chimiques les plus importants pour prédire avec précision qui développera la maladie de Parkinson à l’avenir. Troisièmement, certains des les bornes qui conduisent la prévision précise ont été précédemment impliquées par d’autres dans la maladie de Parkinson dans des analyses basées sur des cellules, mais pas chez l’homme.

nourriture pour la pensée

Il y a eu des découvertes intéressantes en examinant les métabolites des personnes qui ont développé la maladie de Parkinson dans l’étude.

Par exemple, les triterpénoïdes ont été trouvés à des concentrations plus faibles dans le sang de ceux qui ont développé plus tard la maladie de Parkinson par rapport à ceux qui ne l’ont pas fait. Les triterpénoïdes sont un neuroprotecteur connu qui régule le stress oxydatif et se trouve couramment dans les aliments tels que les pommes, les olives et les tomates. Une future étude pourrait examiner si la consommation de ces aliments pourrait protéger naturellement contre le développement de la maladie de Parkinson.

La présence de substances alkylées polyfluorées (PFAS) chez les personnes qui ont développé la maladie de Parkinson, qui pourrait être liée à l’exposition à des produits chimiques industriels, justifiait également une exploration plus approfondie.

« Nous avons des preuves suggérant qu’il s’agit de PFAS, mais nous avons besoin de plus de données de caractérisation pour être sûrs à 100% », déclare le professeur adjoint Donald.

Lire aussi  Une étude révèle comment les réseaux de neurones jouent un rôle clé dans la régulation des rythmes circadiens

librement accessible à tous

CRANK-MS est un outil accessible au public pour tout chercheur souhaitant utiliser l’apprentissage automatique pour le diagnostic de maladies à l’aide de données métabolomiques.

« Nous avons construit le modèle de manière à ce qu’il corresponde à son objectif », déclare Mme Zhang.

« L’application de CRANK-MS pour détecter la maladie de Parkinson n’est qu’un exemple de la façon dont l’IA peut améliorer la façon dont nous diagnostiquons et gérons les maladies. Ce qui est passionnant, c’est que CRANK-MS peut facilement être appliqué à d’autres maladies pour identifier de nouveaux biomarqueurs d’intérêt.

« L’outil est facile à utiliser et, en moyenne, les résultats peuvent être générés en moins de 10 minutes sur un ordinateur portable conventionnel. »

Fontaine:

Université de Nouvelle-Galles du Sud

Référence magazine :

Zhang, J.D. et coll. (2023).L’apprentissage automatique interprétable sur les données métabolomiques révèle des biomarqueurs de la maladie de Parkinson. ACS Sciences Centrales. doi.org/10.1021/acscentsci.2c01468.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *