LEBIGDATA.FR I.A, Cloud & Cybersécurité
Il y a maintenant une IA qui diagnostique la Parkinson en examinant les yeux. La méthode pourrait également servir à dépister d'autres maladies.
L'intelligence artificielle possède des capacités d'analyse très utiles au secteur de la santé et de la médecine. Des chercheurs de l'université de Floride en apportent une nouvelle fois la preuve dans une nouvelle étude. Ils ont développé une méthode basée sur l'apprentissage profond pour permettre à l'IA de détecter la Parkinson à travers les yeux.
Notons que les auteurs de la recherche poursuivent leurs travaux. Ils ont néanmoins publié un article qui détaille cette avancée significative dans la revue scientifique Nature.
Par ailleurs, les chercheurs ont pu compter sur le soutien de la Biobanque du Royaume-Uni. Cette dernière a fourni une importante base de données d'images de fond d'œil.
Des algorithmes IA pour détecter la Parkinson
La maladie de Parkinson est liée à une perte progressive de neurones dopaminergiques. Il s'ensuit alors un déclin moteur. Précisons que les décès en lien avec cette maladie ont doublé depuis 2000. D'où la nécessité de davantage de recherches pour accélérer le diagnostic et pour améliorer les interventions.
La rétine est souvent considérée comme la fenêtre sur le cerveau. Cette partie vitale de l'œil permet effectivement d'évaluer les processus neuropathologiques liés à de nombreuses maladies neurodégénératives.
Malgré des progrès, les résultats cliniques sur la dégénérescence rétinienne ne sont pas toujours concluants. Les grands modèles de langage (LLM) – quelle que soit la technique d'entraînement – sont apparus comme des outils de diagnostic très efficaces.
Percer la complexité de la structure rétinienne avec l'IA
L'équipe floridienne propose l'utilisation des LLM pour développer une compréhension profonde des biomarqueurs rétiniens de Parkinson. En effet, l'intelligence artificielle peut aider à comprendre les relations complexes entre les différentes structures de la rétine à partir de l'imagerie du fond d'œil.
L'étude visait principalement à profiler systématiquement la performance de classification à travers diverses phases de progression de la maladie. Précisons que cela inclut les cas incidents et prévalents. En négligeant toute méthode de sélection de caractéristiques ou mesures quantitatives externes, les auteurs de la recherche ont maximisé la capacité de diagnostic des modèles.
L'apprentissage profond, plus performant que l'apprentissage automatique
L'apprentissage automatique et l'apprentissage profond sont deux techniques pour la formation des modèles de langage. Pour les auteurs de la recherche, il fallait déterminer quelle méthode d'apprentissage allait donner le modèle le plus performant.
La deuxième technique d'apprentissage a permis d'obtenir un modèle plus précis dans ses diagnostics. La machine a effectivement réussi à prédire l'incidence de la maladie avec un niveau de sensibilité de 80 % de 0 à 5,07 ans. Ce niveau a atteint 93,33 % entre 5,07 et 5,57 ans, pour ensuite tomber à 81,67 % entre 5,57 et 7,38 ans.
Ces résultats sont prometteurs. En effet, ils montrent le potentiel d'une intervention précoce sur la maladie. Malgré certaines limites, comme la taille réduite de l'échantillon et l'absence de généralisation, cette méthode pourrait permettre le diagnostic d'autres maladies, telles que l'Alzheimer. Les chercheurs doivent encore développer leurs travaux.
- Partager l'article :
