Des chercheurs du département de neurosciences cliniques de l’université d’Oxford, en Angleterre, ont, pour la première fois, mis en avant l’utilité des algorithmes d’apprentissage automatique (trop souvent réduis à la simple expression « intelligence artificielle ») dans l’analyse des données issues de capteurs portés par des patients atteints de la maladie de Parkinson. L’analyse des données collectées lors de la marche et des tâches debout montre la progression des symptômes moteurs au fil du temps, les participants à cette étude ayant été évalués tous les trois mois. Cette étude montre que ce système améliore considérablement la précision du diagnostic.
Pouvoir suivre la progression des symptômes moteurs chez les personnes atteintes de troubles neurologiques tels que la maladie de Parkinson est utile pour pouvoir les soigner correctement. Dans les échelles d’évaluation actuelles, des systèmes de notation basés sur un examen purement physique, la détection de la progression de la maladie peut parfois être retardée par des observations faussées. Or, le laboratoire qui a mené cette étude a de son côté évalué des dispositifs de capteurs posés sur le tronc, les poignets et les pieds de patients. Les données recueillies, combinées à l’apprentissage automatique, permettent de suivre bien plus précisément la progression des symptômes moteurs, bien plus que les évaluations traditionnelles. Il en ressort un diagnostic précis quel que soit le degré de gravité de la maladie de Parkinson. A noter que cela fonctionne aussi avec d’autres troubles semblables
Il s’agit aussi d’une avancée majeure en ce qui concerne les essais cliniques et le développement de médicaments, qui habituellement demande des années d’études et de travail. Il est en effet crucial de pouvoir identifier le plus tôt possible ceux qui sont réellement efficaces, afin d’accélérer leur développement, ce qui est ici facilité.
Infomed.sn