Pour des millions de personnes souffrant de maladies rares, le chemin vers un diagnostic précis peut s’étendre sur des années, voire des décennies. Un nouvel espoir émerge grâce à l’intelligence artificielle, capable de déceler des schémas subtils que l’œil humain pourrait manquer dans le dédale des données médicales.
Dès leur formation, les médecins sont incités à privilégier l’explication la plus fréquente face à un ensemble de symptômes. Cependant, cette approche peut s’avérer préjudiciable pour les 300 millions de personnes dans le monde atteintes d’une maladie rare. Leurs symptômes, souvent atypiques et ressemblant à des affections plus courantes, peuvent masquer la véritable cause pendant de longues périodes.
Le principal obstacle n’est pas un manque de compétence médicale, mais plutôt la fragmentation des données. Chaque examen, analyse ou consultation médicale est enregistré séparément, sans vision d’ensemble chronologique. Même le clinicien le plus attentif peut ainsi passer à côté d’indices cruciaux.
Prenons l’exemple de la porphyrie aiguë intermittente (PAI). De nombreux patients vivent pendant des années avec des douleurs, de la fatigue et une faiblesse inexpliquées, souvent attribuées à la fibromyalgie, à la fatigue chronique ou à l’anxiété. Il faut en moyenne 10 à 15 ans avant qu’un diagnostic correct ne soit posé, révélant un trouble métabolique rare qui se manifeste lors de crises douloureuses déclenchées par certains médicaments, le stress ou les hormones.
La maladie de Fabry est un autre exemple frappant. Les patients peuvent consulter une succession de spécialistes – rhumatologues, neurologues, cardiologues – pendant plus d’une décennie, leurs symptômes évoquant des douleurs nerveuses, une maladie auto-immune ou même la sclérose en plaques. Des études indiquent que le délai de diagnostic moyen est d’environ 14 ans pour les hommes et 16 ans pour les femmes. Le diagnostic ne devient possible que lorsqu’un professionnel de santé parvient à établir un lien entre des changements cutanés, des problèmes rénaux et un léger épaississement cardiaque.
L’amylose à transthyrétine (ATTR) est également une maladie insidieuse, capable d’endommager silencieusement le cœur pendant des années. Un premier signe révélateur peut être le syndrome du canal carpien, une douleur au poignet qui conduit souvent à une consultation orthopédique et à une intervention chirurgicale. Rétrospectivement, ce symptôme peut apparaître comme le premier indice d’un problème plus grave. Les recherches suggèrent qu’il faut en moyenne 6 à 8 ans avant que l’ATTR ne soit correctement identifiée.
Dans tous ces cas, les informations nécessaires au diagnostic étaient disponibles, mais dispersées dans le temps et entre différentes spécialités médicales.
Cette difficulté à diagnostiquer les maladies rares reflète un système de santé axé sur les consultations ponctuelles plutôt que sur le suivi continu des patients. Chaque visite est perçue comme un instantané, sans lien avec les antécédents médicaux. Les données sont fragmentées entre différents systèmes informatiques, et la mentalité du « diagnostic le plus probable » peut retarder la recherche de causes plus rares.
L’intelligence artificielle offre une solution prometteuse. En rassemblant l’ensemble des données médicales d’un patient – analyses de sang, imagerie médicale, rapports de pathologie, notes des médecins, données issues d’appareils connectés – l’IA peut identifier des schémas complexes et établir des diagnostics plus précis.
Au lieu d’une multitude de données isolées, l’IA permet de reconstituer une chronologie cohérente. Par exemple, chez un patient souffrant de douleurs abdominales, d’urines foncées et d’épisodes déclenchés par le stress, l’IA pourrait rapidement signaler un schéma évocateur de PAI. De même, une succession de notes orthopédiques mentionnant le syndrome du canal carpien dans les deux poignets, suivie d’une augmentation des biomarqueurs cardiaques, pourrait alerter sur la possibilité d’une ATTR.
Cette approche basée sur l’IA repose sur plusieurs étapes : la création d’un dossier patient longitudinal et multimodal, la constitution d’une bibliothèque numérique de « signatures » de maladies rares, l’utilisation d’algorithmes d’apprentissage automatique pour analyser des milliers de cas historiques, et le maintien d’une supervision humaine pour valider les conclusions de l’IA.
Chaque année gagnée dans le processus de diagnostic peut réduire les complications irréversibles, les erreurs de diagnostic et l’anxiété des patients et de leurs familles. Une approche unifiée et longitudinale permet non seulement d’accélérer le diagnostic, mais aussi, dans certains cas, de sauver des vies. Elle offre aux médecins une vision globale du patient, au lieu de simples fragments d’information. Et, si elle tient ses promesses, elle permettra à davantage de patients d’entendre un jour leur médecin leur dire : « Nous savons enfin ce que vous avez, et nous pouvons vous soigner. »
