Une percée fascinante : l’IA identifie des sous-types biologiques inédits de la sclérose en plaques

Vers une meilleure compréhension de la sclérose en plaques grâce à l’intelligence artificielle

Une équipe de chercheurs a découvert deux nouveaux sous-types biologiques de la sclérose en plaques (SEP) en utilisant des méthodes d’intelligence artificielle. Cette avancée pourrait révolutionner la personnalisation des traitements pour les patients atteints de cette maladie neurodégénérative.

La sclérose en plaques touche des millions d’individus, mais les traitements actuels reposent principalement sur les symptômes observés, ignorant la biologie profonde de chaque patient. Cela peut entraîner des thérapies inadaptées.

Grâce à des analyses par intelligence artificielle, des IRM et des analyses sanguines, les scientifiques ont identifié deux profils biologiques distincts : « early sNfL » et « late sNfL ». Cette découverte pourrait changer la donne en matière de traitement.

Comment l’équipe a procédé

L’étude a impliqué des données d’environ 600 personnes atteintes de sclérose en plaques, se concentrant sur le neurofilament léger sérique (sNfL), une protéine signalant des dommages aux cellules nerveuses.

À l’aide d’un modèle d’apprentissage automatique nommé SuStaIn, les données de sNfL ont été croisées avec les résultats d’IRM cérébrales, menant à l’identification des deux sous-types de la sclérose en plaques.

Pour les patients de type early sNfL, des niveaux élevés de la protéine apparaissaient tôt, avec des lésions au corps calleux. Ceux de type late sNfL montraient une atrophie cérébrale dans certaines zones avant l’élévation des niveaux de sNfL, suggérant une évolution plus lente de la maladie.

Un tournant potentiel dans le diagnostic et le traitement

Identifier ces profils biologiques pourrait permettre aux médecins de mieux anticiper l’évolution de chaque cas et de choisir un traitement approprié.

Cette avancée pourrait permettre un suivi plus rigoureux des patients et la possibilité de traitements plus précoces pour ceux identifiés comme ayant une SEP de type early sNfL.

Points à retenir

• Identification de nouveaux sous-types : L’IA a révélé deux sous-types biologiques de la sclérose en plaques.
• Protéine diagnostique : Le sNfL pourrait devenir un marqueur clé pour évaluer l’activité de la SEP.
• Approche personnalisée : Cette découverte permettra des traitements mieux adaptés.
• Évolution de la maladie : Les deux sous-types présentent des caractéristiques distinctes.
• Importance de l’IA : L’utilisation d’algorithmes d’apprentissage automatique permettra des diagnostics plus précis.

Cette recherche met en lumière le potentiel de l’intelligence artificielle pour transformer la compréhension et le traitement de la sclérose en plaques, offrant de nouveaux espoirs aux patients.