Identifier le risque de développer la maladie d’Alzheimer peut faciliter l’intervention avant que sa progression ne devienne irréversible. Les chercheurs ont identifié des facteurs de risque qui prédisent cette maladie.
Selon une nouvelle étude menée par des chercheurs de l’Université de Californie à San Francisco (UCSF), prédire l’apparition de la maladie d’Alzheimer jusqu’à sept ans avant l’apparition des symptômes est désormais possible. Ils ont développé une méthode d’IA qui analyse les dossiers des patients pour trouver certains modèles. Ces fonctionnalités peuvent ensuite être utilisées pour naviguer dans une large mesure base de données génétique pour déterminer les facteurs de risque de maladie. “Il s’agit d’un excellent exemple de la façon dont nous pouvons exploiter les données des patients grâce à l’apprentissage automatique pour prédire quels patients sont les plus susceptibles de développer la maladie d’Alzheimer, et également pour comprendre pourquoi cela se produit.” a déclaré Marina Sirota, auteur principal de l’étude et professeur à l’UCSF.
Les chercheurs ont comparé les données cliniques de personnes atteintes de la maladie d’Alzheimer avec celles de personnes en bonne santé, dont 5 millions de patients. Grâce à cette méthode, ils ont découvert qu’ils pouvaient identifier avec un pouvoir prédictif 72 % des personnes susceptibles de développer la maladie jusqu’à sept ans avant l’apparition des symptômes.
Plusieurs facteurs, entre autres hypertension et hypercholestérolémie, est un prédicteur de maladie, tant chez les hommes que chez les femmes. L’ostéoporose est un facteur prédictif important chez les femmes, qui sont plus susceptibles que les hommes de développer la maladie d’Alzheimer. “C’est cette combinaison de maladies qui permet à notre modèle de prédire l’apparition de la maladie d’Alzheimer. Notre découverte selon laquelle l’ostéoporose est un prédicteur pour les femmes met en évidence les interactions biologiques entre la santé osseuse et le risque de démence.” a déclaré Alice Tang, doctorante au laboratoire de Sirota à l’UCSF.
À terme, les chercheurs espèrent que cette approche pourra être utilisée pour d’autres maladies retardées diagnostique comme le lupus et l’endométriose.