Vous êtes dans : Accueil > Actualités > E-Santé > Article : L'amélioration du diagnostic de schizophrénie grâce à l'intelligence artificielle est pour bientôt

Article : L'amélioration du diagnostic de schizophrénie grâce à l'intelligence artificielle est pour bientôt

le 29 août 2017

L'intelligence artificielle d'IBM peut diagnostiquer la schizophrénie à partir d'images cérébrales. Ces travaux sont publiés dans la revue Schizophrenia (du groupe Nature).  Ces résultats permettent d'avancer les connaissances sur des marqueurs biologiques plus fiables et objectifs que les critères diagnostiques actuels, souligne le communiqué d'IBM et de l'Université de l'Alberta (Canada).

Cette étude fait également progresser la compréhension de la neurobiologie de la maladie, ce qui devrait mener à l'amélioration du traitement et de la gestion de la maladie, souligne Serdar Dursun, professeur de psychiatrie et de neurosciences à l’Université de l’Alberta. Un nombre important de connexions anormales, qui peuvent être explorées dans des études futures, a été découvert, explique-t-il.

Les chercheurs ont analysé des données anonymisées d’imagerie par résonance magnétique fonctionnelle de personnes atteintes de schizophrénie ou de troubles schizo-affectifs et de personnes en santé.

Les images d’IRMf mesuraient l’activité des réseaux cérébraux alors que les participants effectuaient un test auditif commun. Des techniques d'intelligence artificielle d’apprentissage automatique ont été utilisées afin de déterminer les connexions les plus souvent associées à la maladie.

L’algorithme différentiait les participants atteints de schizophrénie et ceux du groupe témoin avec une précision de 74 % et pouvait déterminer la sévérité de plusieurs symptômes tels que l’inattention, les comportements bizarres et les troubles de la pensée, de même que l’alogie (discours pauvre) et le manque de motivation.

La détermination de la sévérité des symptômes peut mener à une caractérisation de la maladie axée sur des mesures, ce qui permettrait de considérer la maladie sur un spectre, plutôt qu'au moyen d'une étiquette binaire d’un diagnostic ou d’une absence de diagnostic, soulignent les chercheurs. Cette approche pourrait aider les cliniciens à définir des plans de traitement personnalisés.

Source Psychomédia