Des chercheurs de l'École de médecine Icahn de Mount Sinaï et leurs collègues ont utilisé l'apprentissage automatique pour identifier des facteurs clés prédictifs de la mortalité chez les patients atteints de démence.

Leur étude, intitulée "Modèles d'apprentissage automatique pour identifier les caractéristiques prédictives de la mortalité des patients atteints de différents types de démence", publiée en ligne dans Communications Medicine, s'attaque à un défi majeur des soins de la démence. Elle permet d'identifier les patients à haut risque de décès à court terme et révèle les facteurs qui influencent ce risque.

Contrairement aux recherches antérieures axées sur le diagnostic de la démence, cette étude se penche sur la prédiction du pronostic des patients. Elle met en lumière les risques de mortalité et les facteurs contributifs pour différents types de démence. La démence est devenue une cause importante de décès dans les sociétés où la population vieillit. Cependant, la prévision du moment exact du décès dans les cas de démence reste difficile en raison de la progression variable du déclin cognitif affectant les fonctions normales du corps, expliquent les chercheurs.

L'étude a utilisé un ensemble de données regroupant 45 275 participants uniques et 163 782 enregistrements de visites provenant du Centre national américain de coordination des maladies d'Alzheimer (NACC). Les chercheurs ont développé des modèles d'apprentissage automatique pour prédire la mortalité des patients atteints de démence à quatre horizons de survie différents (1 an, 3 ans, 5 ans et 10 ans).

Les modèles ont atteint une précision élevée, dépassant 0,82 pour tous les horizons temporels. Ils se sont principalement basés sur des facteurs liés à la démence, tels que des tests neuropsychologiques spécifiques, et ont été peu affectés par d'autres causes de décès liées à l'âge, comme les accidents vasculaires cérébraux et les maladies cardiovasculaires.

L'analyse a également révélé des prédicteurs de mortalité partagés et distincts selon les huit types de démence étudiés. Notamment, la démence vasculaire a été regroupée avec la dépression, et la démence à corps de Lewy avec la démence frontotemporale. Cette étude démontre la possibilité d'identifier les patients atteints de démence à risque de décès afin de personnaliser leur prise en charge médicale. Les modèles d'apprentissage automatique simples peuvent prédire la mortalité des patients atteints de démence à l'aide d'un ensemble limité de caractéristiques cliniques. De plus, des modèles spécifiques à chaque type de démence peuvent être appliqués aux populations hétérogènes de patients atteints de démence.

L'apprentissage automatique au service de la compréhension de la démence

L'étude a également révélé que les résultats des tests neuropsychologiques étaient un meilleur prédicteur du risque de mortalité chez les patients atteints de démence que les facteurs liés à l'âge. Cela souligne le rôle important de la démence dans la mortalité des personnes souffrant de maladies neurodégénératives.

"Les implications de notre recherche vont au-delà de la pratique clinique, car elles soulignent la valeur de l'apprentissage automatique pour démêler les complexités de maladies comme la démence", a poursuivi Huang. "Cette étude ouvre la voie à de futures recherches sur la modélisation prédictive dans les soins de la démence. Cependant, si l'apprentissage automatique est très prometteur pour améliorer les soins de la démence, il est important de se rappeler que ces modèles ne sont pas des boules de cristal pour les résultats individuels. De nombreux facteurs, tant personnels que médicaux, façonnent le parcours d'un patient."