L’intelligence artificielle pourrait aider à détecter les troubles bipolaires à un stade précoce. Une nouvelle étude, menée par un doctorant de l’université d’Alberta et publiée dans le Journal of Affective Disorders, montre qu’une nouvelle application, basée sur l’apprentissage automatique, peut effectivement détecter les symptômes liés aux troubles bipolaires qui surviennent dans les premiers stades.
Nous parlons de petits déficits cognitifs tels que ceux liés au traitement visuel ou à la mémoire spatiale. Ils sont si subtils qu’ils passent très souvent inaperçus et que le trouble bipolaire lui-même ne peut donc pas être diagnostiqué à temps.
Un diagnostic précoce de ce trouble est très important, comme l’indique la déclaration parue sur le site de la même université canadienne, car il permet un traitement tout aussi précoce qui peut être effectué avant l’aggravation des mêmes symptômes.
Le modèle d’apprentissage automatique créé par les chercheurs a d’abord été « entraîné » à détecter les différences entre les patients atteints de troubles bipolaires chroniques et les personnes en bonne santé. Grâce à ce modèle, le même algorithme a ensuite appris à distinguer les symptômes du stade précoce de la maladie avec une précision de 76 %. Les données de formation ont été collectées par des chercheurs en Chine.
Selon les chercheurs, une telle méthode, qui implique l’utilisation d’un algorithme informatique, pourrait être plus efficace et plus facile à mettre en œuvre que la pratique « habituelle » de détection des symptômes du trouble bipolaire aujourd’hui, qui implique l’utilisation de machines, comme les appareils IRM, pour imager le cerveau.
« Si nous pouvons obtenir les mêmes informations pour quelques centimes au lieu de centaines de dollars, immédiatement au lieu de dans trois semaines, dans un environnement sans stress au lieu d’un environnement hospitalier stressant, c’est gagnant-gagnant », explique Russ Greiner, l’un des chercheurs de l’institut canadien qui a travaillé aux côtés de Jeffrey Sawalha et Andrew Greenshaw.
