...

C'est en juillet 2018, 18 ans après la création de la fondation Michael J. Fox, du nom de l'acteur de "Retour vers le futur" atteint du Parkinson, qu'un partenariat a été lancé entre la fondation et IBM Research afin d'utiliser l'intelligence artificielle et plus particulièrement le machine learning, non pas pour connaître les causes de cette maladie qui reste encore largement inconnue, mais pour mieux comprendre comment elle évolue en fonction de l'apparition des symptômes, et comment les médicaments disponibles sur le marché influent sur cette évolution. Après près de trois ans de collaboration, le géant américain vient d'annoncer une avancée majeure dans les recherches. Pour concevoir leur modèle et le tester, les chercheurs ont utilisé une banque de données cliniques appartenant à la Parkinson Progression Markers Initiative (PPMI), et décrite comme étant "le plus grand et solide volume de données sur des personnes touchées par la maladie de Parkinson à ce jour".Au total, ce sont les données appartenant à 423 personnes malades à un stade précoce et de 196 patients sains qui ont été utilisées. Pour les besoins d'une étude clinique longitudinale, les participants ont été suivis pendant une période allant jusqu'à sept ans. Au cours de cette étude le comportement des patients sains, malades et présentant un risque de développer cette maladie a été observés au quotidien. Les résultats suggèrent que l'état d'un patient peut varier en fonction de plusieurs facteurs, tels que la capacité à effectuer des tâches du quotidien, les problèmes liés à la lenteur des mouvements, aux tremblements, à l'instabilité, la dépression, l'anxiété, les troubles cognitifs ou encore les troubles du sommeil. Au final, les chercheurs ont réussi à créer un système qui regroupe l'ensemble des symptômes typiques de la maladie de Parkinson et qui prédit leur évolution et leur gravité dans le temps. À l'aide d'algorithmes, le modèle est conçu pour prendre en compte les facteurs qui peuvent masquer l'apparence extérieure de la maladie, notamment les médicaments qui peuvent atténuer des symptômes tels que les tremblements, améliorer les contrôles moteurs et modifier d'autres symptômes courants. IBM espère que son modèle de progression pourra être utilisé par les cliniciens pour anticiper l'évolution de la maladie et sa gravité, et ainsi mieux la traiter et améliorer le bien-être des patients. Le but est aussi de cibler les patients les plus pertinents pour des essais cliniques plus efficaces. Bien que leurs travaux soient porteurs d'espoir, les scientifiques sont conscients qu'il reste beaucoup à faire. Ils souhaitent affiner leur modèle pour fournir une "caractérisation encore plus granulaire des états pathologiques" en incorporant des évaluations de biomarqueurs, notamment l'analyse des génomes et des clichés d'imagerie cérébrale, le but étant que les médecins puissent délivrer des pronostics plus précis des différents stades de la maladie. Enfin, ils aimeraient que leur modèle puisse être utilisé pour la recherche d'autres maladies chroniques, telles que le diabète, la maladie d'Alzheimer et la sclérose latérale amyotrophique.