Publié le 30 décembre 2023. Une avancée majeure dans la recherche sur la sclérose en plaques : des scientifiques ont identifié deux sous-types distincts de la maladie grâce à l’intelligence artificielle, ouvrant la voie à des traitements plus ciblés et personnalisés.
- L’intelligence artificielle permet de distinguer deux nouveaux profils biologiques de la sclérose en plaques (SEP).
- Cette découverte repose sur l’analyse de biomarqueurs sanguins et d’imageries cérébrales.
- Elle pourrait révolutionner la prise en charge de la SEP en adaptant les traitements à chaque patient.
La sclérose en plaques, une maladie neurologique chronique qui touche des millions de personnes dans le monde, pourrait bientôt bénéficier d’une approche thérapeutique radicalement nouvelle. Une équipe de chercheurs de l’University College London (UCL) et de Queen Square Analytics a mis au point un outil d’intelligence artificielle capable d’identifier deux sous-types distincts de la maladie, jusqu’alors insoupçonnés. Cette avancée, publiée dans la revue médicale Brain, pourrait permettre de mieux comprendre l’évolution de la SEP et d’adapter les traitements à chaque patient.
L’étude, menée auprès de 600 patients, s’est concentrée sur l’analyse des taux sanguins d’une protéine spécifique, la chaîne légère des neurofilaments sériques (sNfL). Cette protéine est un indicateur des lésions nerveuses et de l’activité de la maladie. Les résultats de ces analyses, combinés à l’imagerie par résonance magnétique (IRM) du cerveau des patients, ont été interprétés par un modèle d’apprentissage automatique baptisé SuStaIn. L’analyse a révélé l’existence de deux profils biologiques distincts : un sous-type « sNfL précoce » et un sous-type « sNfL tardif ».
Le premier sous-type se caractérise par des taux élevés de sNfL dès les premiers stades de la maladie, associés à des lésions visibles dans le corps calleux, une zone du cerveau essentielle à la communication entre les deux hémisphères. Les patients de ce groupe développent rapidement des lésions cérébrales, suggérant une forme plus agressive et active de la SEP. À l’inverse, le second sous-type se manifeste par un rétrécissement du cerveau, notamment dans le cortex limbique et la matière grise profonde, avant une augmentation des niveaux de sNfL. Ce profil semble indiquer une progression plus lente, avec des dommages cérébraux qui se manifestent plus tardivement.
Selon les chercheurs, cette découverte permettra aux médecins d’évaluer plus précisément le risque de complications chez chaque patient et d’adapter les soins en conséquence. Le Dr Arman Eshaghi, auteur principal de l’étude à l’UCL, explique :
« La SEP n’est pas une maladie unique et les sous-types actuels ne parviennent pas à décrire les modifications tissulaires sous-jacentes, que nous devons connaître pour la traiter. »
Dr Arman Eshaghi, UCL
Il ajoute :
« En utilisant un modèle d’IA combiné à un marqueur sanguin hautement disponible avec l’IRM, nous avons pu montrer pour la première fois deux schémas biologiques clairs de SEP. Cela aidera les cliniciens à comprendre où se situe une personne dans le parcours de la maladie et qui peut avoir besoin d’une surveillance plus étroite ou d’un traitement ciblé plus précoce. »
Dr Arman Eshaghi, UCL
À l’avenir, les patients identifiés comme présentant un sous-type sNfL précoce pourraient bénéficier de traitements plus agressifs et d’une surveillance renforcée. Ceux qui relèvent du profil sNfL tardif pourraient, quant à eux, se voir proposer des thérapies personnalisées visant à protéger les cellules cérébrales et les neurones. « Les nouveautés seront donc doubles : transformer les examens cliniques et neurologiques, qui n’ont pas changé depuis des siècles, à l’aide d’algorithmes d’IA, et proposer des traitements personnalisés en fonction du profil de la maladie », précise le Dr Eshaghi.
Caitlin Astbury, responsable principale des communications de recherche à la MS Society, une association caritative, salue cette avancée :
« Il s’agit d’un développement passionnant dans notre compréhension de la SP. »
Caitlin Astbury, MS Society
Elle souligne que l’étude a utilisé l’apprentissage automatique pour analyser les données d’IRM et les biomarqueurs de patients atteints de SEP rémittente et secondairement progressive. Elle ajoute :
« Ces dernières années, nous avons développé une meilleure compréhension de la biologie de la maladie. Mais actuellement, les définitions sont basées sur les symptômes cliniques ressentis par une personne. La SEP est complexe et ces catégories ne reflètent souvent pas avec précision ce qui se passe dans le corps, ce qui peut rendre difficile son traitement efficace. »
Caitlin Astbury, MS Society
Bien qu’il existe actuellement une vingtaine de traitements pour les formes récurrentes de SEP et que des options émergent pour les formes progressives, de nombreux patients ne bénéficient d’aucune thérapie. « Plus nous en apprendrons sur la maladie, plus nous serons en mesure de trouver des traitements capables d’arrêter la progression de la maladie », conclut Caitlin Astbury. Cette recherche contribue à l’évolution des approches diagnostiques et thérapeutiques, en s’éloignant des classifications traditionnelles (récidivante et progressive) pour se concentrer sur les mécanismes biologiques sous-jacents de la SEP.
