Alzheimer : l'algorithme qui distingue le risque entre les hommes et les femmes

Lorsqu'elle frappe – environ 800 000 personnes en Italie –, elle ne touche pas tout le monde de la même manière. En effet, les chiffres montrent que les femmes sont plus touchées par la maladie d'Alzheimer : de 0,7 % chez les 65-69 ans à 23,6 % chez les femmes de plus de 90 ans, contre 0,6 % chez les hommes, respectivement, à 17,6 %. Mais la façon dont la maladie se manifeste fait également une différence : les femmes connaissent souvent un déclin cognitif plus rapide et une altération plus marquée de la mémoire épisodique. Cela semble dû – bien que la recherche soit encore en cours d'investigation – au rôle des hormones sexuelles et aux différences de structure cérébrale. Pourtant, les outils utilisés pour diagnostiquer la maladie, des tests aux méthodes plus invasives et coûteuses, comme l'IRM ou l'analyse du liquide céphalorachidien, ne prennent pas suffisamment en compte ces différences. Un algorithme pourrait désormais faire la différence.

Un biais à surmonter

« De nombreux tests neuropsychologiques ont historiquement été développés sur des échantillons majoritairement masculins », explique Daniele Caligiore, directeur de recherche à l'Institut des sciences et technologies cognitives (ISTC) du Conseil national de la recherche (CNR). « Le problème est que ces tests sont ensuite appliqués aux personnes des deux sexes, mais les hommes et les femmes peuvent réagir différemment. Cela peut entraîner des erreurs de diagnostic : par exemple, une femme peut obtenir un score inférieur à un test, mais ce score pourrait néanmoins indiquer une bonne performance si elle était évaluée avec une échelle calibrée pour le sexe féminin. »

L'apprentissage automatique pour un diagnostic précoce

Dans ce contexte, l'apprentissage automatique peut représenter une opportunité, comme le démontre le projet coordonné par le centre de recherche de Caligiore, dont les résultats ont été publiés dans le Journal of Neurological Sciences. « Notre objectif », poursuit la chercheuse, « est de comprendre quels facteurs devraient être pris en compte du point de vue du genre pour aider les médecins à établir un diagnostic précoce, en particulier pour des maladies complexes comme les maladies d'Alzheimer et de Parkinson, qui sont étroitement liées. »

Une collaboration italienne

Ce travail est le fruit d'une collaboration entre le CNR (Conseil national de la recherche), l'Espace de recherche Milan 4, la Fondation Mondino, l'Université de Pavie, la Fondation Santa Lucia, l'Université La Sapienza de Rome et la start-up AI2Life. Le cœur du projet repose sur un algorithme d'apprentissage automatique capable de prédire et de différencier l'apparition de la maladie d'Alzheimer selon le sexe du patient, à partir de données collectées de manière non invasive, telles que les résultats de tests neuropsychologiques et des informations sociodémographiques. L'algorithme a été entraîné à partir de données provenant de deux grandes bases de données internationales, dont celle de la Michael J. Fox Association. Contrairement aux approches traditionnelles, qui traitent les données de manière homogène, l'équipe a entraîné le système séparément sur des données concernant les hommes et les femmes. Ainsi, le modèle d'apprentissage automatique permet non seulement de prédire la probabilité de développer la maladie sur une période donnée (un à cinq ans), mais aussi, grâce à l'utilisation d'une IA explicative qui rend le processus décisionnel de l'algorithme transparent, d'identifier les tests les plus prédictifs pour chaque sexe.

Test pour les femmes et les hommes

L'analyse des résultats montre que certains tests neuropsychologiques ont une valeur prédictive différente selon le sexe. « L'apprentissage automatique nous permet d'analyser les différences relatives entre les tests et de combiner plusieurs paramètres », poursuit Caligiore. « Par exemple, nous avons constaté que le test Mini-Mental State Examination est plus efficace pour prédire la maladie d'Alzheimer chez les femmes, tout comme le test évaluant la mémoire épisodique à long terme (LDELTOTAL), tandis que le test de mémoire verbale à court terme (AVTOT) est plus pertinent chez les hommes. Autrement dit, le système est capable de dire : "Pour un meilleur diagnostic, le test X est important chez les hommes, le test Y chez les femmes." Il s'agit d'une avancée majeure en matière de diagnostic personnalisé. » Le niveau d'éducation, et donc la réserve cognitive, s'est également révélé être un facteur déterminant, en particulier chez les femmes.

Un diagnostic personnalisé et accessible

Un élément distinctif du projet est la création d'une interface graphique appelée EMA (ExplAIn Medical Analysis), qui permet aux médecins d'utiliser directement le système. Il suffit de saisir les résultats des tests neuropsychologiques, et l'algorithme fournit une évaluation du risque avec une probabilité numérique. « À l'avenir, nous imaginons un système simple où les patients recevront des questionnaires, les scores seront collectés et le clinicien les saisira dans l'interface », explique Caligiore. « Le système renvoie un chiffre : par exemple, "75 % de probabilité de développer la maladie d'Alzheimer dans les trois ans". C'est un outil prédictif, utile même pour les sujets qui ne présentent pas encore de symptômes évidents. » Il souligne que la recherche en IA s'arrête souvent au stade du laboratoire. L'objectif est plutôt de rendre cet outil utilisable en pratique clinique quotidienne, afin que le diagnostic de la maladie d'Alzheimer soit plus rapide, plus équitable et moins invasif.

Formation avec les données des patients italiens

L'équipe travaille actuellement sur une nouvelle phase de développement, basée sur des données cliniques italiennes. Cette étape est cruciale pour réduire les biais culturels et adapter le système aux caractéristiques de la population européenne. « Les données nord-américaines sont très utiles, mais elles reflètent un mode de vie différent du nôtre », conclut Caligiore. « C'est pourquoi nous validons actuellement l'algorithme avec des données italiennes, afin d'accroître la précision et de construire un système véritablement efficace dans notre contexte de santé. »