Un modèle d’intelligence artificielle peut détecter la maladie de Parkinson à partir des schémas respiratoires
La maladie de Parkinson est notoirement difficile à diagnostiquer car elle repose principalement sur l’apparition de symptômes moteurs tels que tremblements, raideur et lenteur, mais ces symptômes apparaissent souvent plusieurs années après l’apparition de la maladie. Aujourd’hui, Dina Katabi, professeure Thuan (1990) et Nicole Pham au Département de génie électrique et d’informatique (EECS) du MIT et chercheuse principale à la MIT Jameel Clinic, et son équipe ont développé un modèle d’intelligence artificielle capable de détecter la maladie de Parkinson simplement de la lecture des habitudes respiratoires d’une personne.
L’outil en question est un réseau neuronal, une série d’algorithmes connectés qui imitent le fonctionnement d’un cerveau humain, capable d’évaluer si quelqu’un a la maladie de Parkinson à partir de sa respiration nocturne, c’est-à-dire des schémas respiratoires qui se produisent pendant le sommeil. Le réseau de neurones, qui a été formé par le doctorant du MIT Yuzhe Yang et le post-doctorant Yuan Yuan, est également capable de discerner la gravité de la maladie de Parkinson de quelqu’un et de suivre la progression de sa maladie au fil du temps.
Yang est le premier auteur d’un nouvel article décrivant le travail, publié aujourd’hui dans Médecine naturelle. Katabi, qui est également affilié au Laboratoire d’informatique et d’intelligence artificielle du MIT et directeur du Centre pour les réseaux sans fil et l’informatique mobile, est l’auteur principal. Ils sont rejoints par Yuan et 12 collègues de l’Université Rutgers, du Centre médical de l’Université de Rochester, de la Mayo Clinic, du Massachusetts General Hospital et du Boston University College of Health and Rehabilition.
Au fil des ans, les chercheurs ont étudié le potentiel de détection de la maladie de Parkinson à l’aide du liquide céphalo-rachidien et de la neuroimagerie, mais ces méthodes sont invasives, coûteuses et nécessitent l’accès à des centres médicaux spécialisés, ce qui les rend inadaptées aux tests fréquents qui pourraient autrement fournir un diagnostic précoce ou un suivi continu de la maladie. évolution de la maladie.
Les chercheurs du MIT ont démontré que l’évaluation par intelligence artificielle de la maladie de Parkinson peut être effectuée chaque nuit à la maison pendant que la personne dort et sans toucher son corps. Pour ce faire, l’équipe a développé un appareil ressemblant à un routeur Wi-Fi domestique, mais au lieu de fournir un accès Internet, l’appareil émet des signaux radio, analyse leurs réflexions sur l’environnement environnant et extrait les schémas respiratoires des sujets sans aucun contact physique. Contactez. Le signal respiratoire est ensuite transmis au réseau neuronal pour évaluer la maladie de Parkinson de manière passive, et aucun effort n’est nécessaire de la part du patient et du soignant.
Une relation entre la maladie de Parkinson et la respiration a été notée dès 1817, dans les travaux du Dr James Parkinson. Cela nous a motivés à envisager la possibilité de détecter la maladie à partir de la respiration sans regarder les mouvements, dit Katabi. Certaines études médicales ont montré que les symptômes respiratoires se manifestent des années avant les symptômes moteurs, ce qui signifie que les attributs respiratoires pourraient être prometteurs pour l’évaluation des risques avant le diagnostic de la maladie de Parkinson.
Maladie neurologique à la croissance la plus rapide dans le monde, la maladie de Parkinson est le deuxième trouble neurologique le plus répandu, après la maladie d’Alzheimer. Aux États-Unis seulement, elle touche plus d’un million de personnes et représente un fardeau économique annuel de 51,9 milliards de dollars. L’algorithme des équipes de recherche a été testé sur 7 687 personnes, dont 757 patients atteints de la maladie de Parkinson.
Katabi note que l’étude a des implications importantes pour le développement de médicaments et les soins cliniques pour la maladie de Parkinson. En termes de développement de médicaments, les résultats peuvent permettre des essais cliniques d’une durée nettement plus courte et moins de participants, accélérant finalement le développement de nouvelles thérapies. En termes de soins cliniques, l’approche peut aider à l’évaluation des patients atteints de la maladie de Parkinson dans les communautés traditionnellement mal desservies, y compris ceux qui vivent dans les zones rurales et ceux qui ont du mal à quitter leur domicile en raison d’une mobilité réduite ou d’une déficience cognitive, dit-elle.
Nous n’avons eu aucune percée thérapeutique au cours de ce siècle, ce qui suggère que nos approches actuelles pour évaluer de nouveaux traitements sont sous-optimales, déclare Ray Dorsey, professeur de neurologie à l’Université de Rochester et spécialiste de la maladie de Parkinson, co-auteur de l’article. Dorsey ajoute que l’étude est probablement l’une des plus grandes études sur le sommeil jamais menées sur la maladie de Parkinson. Nous avons très peu d’informations sur les manifestations de la maladie dans leur environnement naturel et [Katabis] L’appareil vous permet d’obtenir des évaluations objectives et réelles de la façon dont les gens se portent à la maison. L’analogie que j’aime faire [of current Parkinsons assessments] est un réverbère la nuit, et ce que nous voyons du réverbère est un très petit segment [Katabis] capteur entièrement sans contact nous aide à éclairer l’obscurité.
Cette recherche a été réalisée en collaboration avec l’Université de Rochester, la Mayo Clinic et le Massachusetts General Hospital, et est parrainée par les National Institutes of Health, avec le soutien partiel de la National Science Foundation et de la Michael J. Fox Foundation.