Un outil d'IA permet de prédire la schizophrénie et la gravité des symptômes

Un groupe de l Université de l'Alberta fait la une des médias après avoir publié des travaux de recherche qui mettent en évidence le développement d'un outil d'intelligence artificielle permettant de prédire la schizophrénie à partir de l'analyse de scanners cérébraux.

L'étudepubliée dans Nature, a été menée par Sunil Vasu Kalmady (spécialiste principal de l'apprentissage automatique, Faculté de médecine, Université de l'Alberta) sous la supervision conjointe de Russ Greiner (boursier et titulaire de la chaire canadienne CIFAR d'IA à Amii, professeur d'informatique à l'université de l'Alberta).

Il détaille un outil qui peut prédire avec succès les premiers symptômes de la schizophrénie chez les parents de personnes déjà diagnostiquées. Auparavant, l'outil avait également atteint une précision de 87 % dans la prédiction d'un diagnostic de la maladie par l'examen des scanners cérébraux.

À propos de l'outil

L'outil d'apprentissage automatique "EMPaSchiz" (Ensemble algorithm with Multiple Parcellations for Schizophrenia prediction) a été développé conjointement avec Andrew Greenshaw et Serdar Dursun (professeurs du département de psychiatrie de l'université d'Alberta), et une équipe de chercheurs du National Institute of Mental Health and Neurosciences en Inde.

En examinant les scanners cérébraux des patients, EMPaSchiz a déjà été utilisé dans une étude de 2017 pour aider à identifier des modèles multivariés plus fiables pour une prédiction précise de la schizophrénie et de la gravité de ses symptômes. L'outil pourrait fournir aux psychologues cliniciens et aux psychiatres un moyen axé sur les données pour améliorer leur diagnostic et l'évaluation des symptômes des patients.

L'outil a depuis été développé avec un algorithme d'apprentissage automatique pour prédire si un individu est atteint de schizophrénie, sur la base des caractéristiques extraites des scanners IRM. Selon l'équipe de recherche, cette recherche "démontre le potentiel des modèles de diagnostic par apprentissage automatique pour prédire la vulnérabilité indépendante de l'état, même lorsque les symptômes ne répondent pas à l'ensemble des critères du diagnostic clinique."

Comme c'est le cas pour une grande partie de la recherche en recherche en IA menée dans le domaine de la médecine de précisioncet outil est conçu pour fournir des informations et des idées pour soutenir la prise de décision clinique et permettre aux psychiatres humains de disposer de méthodes de diagnostic et d'évaluation davantage fondées sur des données.