Des scientifiques ont développé un nouveau système d'IA qui peut aider à diagnostiquer la maladie d'Alzheimer en analysant seulement 8 secondes de données d'ondes cérébrales. La méthode, qui utilise un modèle d'apprentissage profond appelé LaBraM, atteint une précision remarquable pour distinguer les patients atteints de démence des personnes en bonne santé.
La recherche
Des chercheurs de l'Université de Californie à San Diego, dirigés par Maggie Lin et Tzyy-Ping Jung, ont entraîné un grand modèle d'IA sur plus de 2 500 heures de données EEG. L'EEG (électroencéphalographie) enregistre l'activité électrique du cerveau via des capteurs placés sur le cuir chevelu. Le modèle, appelé LaBraM, apprend des motifs complexes à partir de cet ensemble de données massif. Ensuite, ils ont utilisé un algorithme appelé Random Forest pour classer si une personne est atteinte d'Alzheimer.
Dans leur étude, publiée sur le serveur de prépublication arXiv, ils ont testé le système sur un groupe distinct de patients atteints de démence et de témoins sains. En utilisant uniquement des extraits EEG de 8 secondes, l'IA a atteint un ROC-AUC de 89,36 %, une précision équilibrée de 82,44 % et une AUC précision-rappel de 81,45 %. Cela surpasse les méthodes traditionnelles qui analysent les bandes de fréquences des ondes cérébrales.
Les décisions de l'IA étaient également interprétables. En masquant (occultant) des parties des données EEG, les chercheurs ont constaté que le modèle s'appuyait sur des biomarqueurs bien connus de la maladie d'Alzheimer : la dégradation des rythmes alpha et thêta dans les régions occipitales et frontales. Ils ont également constaté qu'une probabilité de démence prédite plus élevée était corrélée à de moins bonnes performances cognitives, à une plus grande sévérité clinique et à des changements spécifiques dans les schémas d'ondes cérébrales, tels qu'une augmentation de la puissance relative thêta et alpha et un exposant apériodique plus élevé, une mesure du bruit neuronal.
Pourquoi c'est important
La maladie d'Alzheimer est biologiquement hétérogène, ce qui rend son diagnostic précoce difficile. Les méthodes linéaires traditionnelles ignorent les dynamiques cérébrales non linéaires. Cette approche par IA capture ces complexités, permettant potentiellement un diagnostic plus précoce et plus précis. Parce que l'EEG est non invasif, relativement peu coûteux et portable, cela pourrait rendre le dépistage du déclin cognitif plus accessible. Pour le public, comprendre que l'IA avancée peut extraire des signaux cliniquement pertinents à partir de données cérébrales bruitées est excitant - cela suggère que notre activité cérébrale contient des indices subtils sur notre santé cognitive.
Ce que vous pouvez faire
Bien que cette IA ne soit pas encore disponible pour un usage clinique, vous pouvez surveiller proactivement votre santé cognitive. La stimulation mentale régulière, l'exercice physique et un sommeil adéquat soutiennent la santé du cerveau. Si vous remarquez des changements de mémoire ou de pensée, consultez un professionnel de santé. Vous pouvez également tester vos propres capacités cognitives avec des outils en ligne validés, mais demandez toujours un avis professionnel pour des préoccupations médicales.
Source : arXiv q-bio.NC
Curieux de connaître votre propre cerveau ? Passez notre test de QI adaptatif gratuit ou essayez 306 niveaux d'entraînement cérébral.