Un nouvel outil d’intelligence artificielle pourrait révolutionner le diagnostic précoce de la maladie d’Alzheimer, offrant aux patients et à leurs familles un temps précieux pour se préparer et accéder à des soins adaptés. Développé par un chercheur américain, ce système innovant vise à pallier le manque de spécialistes et les délais de diagnostic souvent trop longs.
La maladie d’Alzheimer représente un défi majeur de santé publique à l’échelle mondiale. On estime à 55 millions le nombre de personnes vivant actuellement avec cette maladie ou des démences apparentées. Les coûts des soins devraient dépasser les 1 000 milliards de dollars (environ 930 milliards d’euros) d’ici 2030, et le nombre de cas pourrait atteindre 139 millions en 2050.
Le principal obstacle à une prise en charge efficace réside dans le diagnostic tardif. Souvent, les symptômes sont attribués à un vieillissement normal, et l’accès à des examens d’imagerie médicale (IRM) et à une interprétation spécialisée est limité, en particulier dans les zones rurales et défavorisées. Ce retard prive les familles d’un temps précieux pour anticiper et planifier l’avenir.
L’outil développé par Reetam Biswas, chercheur basé en Caroline du Nord, aux États-Unis, se présente sous la forme d’une application mobile et web. Les cliniques peuvent y télécharger directement les IRM des patients, permettant une analyse rapide et accessible. L’IA classe ensuite le stade de la maladie (de 0 à 3) et fournit une explication visuelle du raisonnement qui a conduit à cette conclusion. Contrairement à certaines IA, ce système ne se contente pas de donner un résultat, il explique comment il y est parvenu.
« Les cliniciens n’obtiennent pas seulement une prédiction ; ils voient pourquoi le modèle a passé cet appel », explique le développeur. L’outil est également conçu pour fonctionner sur des appareils peu performants, ce qui le rend utilisable même dans les cliniques rurales disposant de ressources limitées.
L’interprétabilité est au cœur de cette innovation. Des superpositions Grad‑CAM montrent aux médecins les zones du cerveau qui ont influencé le diagnostic, tandis que des tableaux de bord permettent de suivre l’évolution des cas et d’allouer les ressources de manière efficace. Le système utilise EfficientNet pour analyser les IRM et fournit des informations précises, notamment des scores de confiance et des visualisations de l’incertitude.
Les premiers tests ont démontré une précision de 97,67 % dans la classification des différents stades de la maladie. Le chercheur souligne qu’il ne s’agit pas de remplacer les médecins, mais de leur fournir un outil puissant pour étendre leur portée et améliorer la qualité des soins.
Les prochaines étapes du projet comprennent l’intégration de données multimodales (TEP, scores cognitifs, marqueurs génétiques), l’intégration aux systèmes de dossiers médicaux électroniques, et le lancement d’études pilotes dans des cliniques rurales. L’objectif à long terme est de créer une boîte à outils open source pour l’interprétabilité de l’IA médicale, et d’étendre cette technologie à d’autres maladies neurodégénératives comme la maladie de Parkinson et les accidents vasculaires cérébraux.