L’intelligence artificielle pour prédire les Troubles du Spectre Autistique dès la naissance
Notre projet révolutionnaire en cours, Pelargos, est une véritable avancée dans la prédiction du risque de Troubles du Spectre Autistique (TSA) chez les nouveau-nés. Via des méthodes computationnelles innovantes, nos travaux ont pour finalité la conception d’un outil médical de pronostique et d’aide au diagnostic de ces troubles.
Portée par le potentiel prometteur de nos premiers résultats publiés, B&A Biomédical vient de lancer une large étude, divisée en 3 phases, en partenariats avec de grandes maternités françaises et des Centres Ressources Autisme (CRA) associés.
Le contexte
Les Troubles du Spectre de l’Autisme
Les Troubles du Spectre de l’Autisme (TSA) englobent un large éventail de troubles qui influent sur différents aspects du comportement. Ils se manifestent par des dysfonctionnements au niveau des interactions sociales, de la communication ainsi que par des capacités d’adaptation limitées face aux changements, des comportement stéréotypés et des champs d’intérêt restreints. Ces troubles, pouvant être sévères et envahissants, exercent un vrai poids à porter au quotidien remettant en question l’autonomie et la qualité de vie non seulement des personnes concernées, mais aussi de leur entourage.
La prévalence des TSA est significative, touchant environ un enfant sur 50, et cette incidence semble en augmentation, bien que certaines raisons échappent encore à notre compréhension.
A ce jour, aucun traitement curatif n’existe pour les TSA. Les approches psycho-éducatives et des thérapies comportementales sont les seules alternatives approuvées par les autorités européenne. Elles visent à atténuer les symptômes via des stratégies compensatrices afin d’améliorer le pronostic futur et l’autonomie du patient. Cependant le plein potentiel de ces thérapies, reposent notamment sur leur mise en place au plus jeune âge (2-3 ans), période où la plasticité cérébrale est maximale et ou l’apprentissage et l’intégration des techniques compensatrices et optimale. Mais, en raison d’un manque de suivi, d’une communication autour des TSA insuffisante, d’une reconnaissance des symptômes tardive, mais aussi par manque de ressources allouées, l’âge moyen du diagnostic est aujourd’hui situé dans la tranche des 5 ans.
Cette situation souligne l’importance d’accroître la sensibilisation à l’autisme et de favoriser un accès précoce aux interventions adaptées. Diagnostiquer les TSA de manière précoce, et optimiser les chances d’une vie autonome et de qualité aux personnes présentant des troubles autistiques et leur entourage est un enjeu de santé publique majeur.
La Neuro-archéologie
Yehezkel Ben-Ari, co-fondateur de la société B&A Biomédical, a introduit en 2008 et développé au fil de sa carrière le concept de Neuro-archéologie selon lequel le cerveau construit in utero les jalons de son développement futur, et donc ceux de certaines pathologies potentielles. Pendant la période cruciale de la grossesse, il peut survenir des événements pathologiques ou des agressions (mutation génétique, exposition aux pesticides, stress, alcool, environnement en général) qui altèrent la maturation cérébrale. Ceci se traduisant par des ensembles neuronaux mal placés et mal connectés qui sont in fine à l’origine direct des séquelles neurologiques et psychiatriques en perturbant les activités essentielles à l’activité cérébrale. Ces qui ont été identifiés dans des modèles animaux de malformations cérébrales, ont été aussi observés chez l’homme. Les pathologies qui en découlent ne se déclareront, pour certaine, que tard dans la vie.
Or de nombreuses données expérimentales et cliniques suggèrent que les TSA « naissent » in utero. Ce concept de Neuro-archéologie est à l’origine de nos travaux, partant de ces observations, nous avons choisi une approche basée sur l’exploitation sans a priori des données disponibles dans les maternités afin de voir s’il était possible, par recoupements, d’obtenir un pattern type permettant d‘évaluer dès les premiers jours de vie un risque significatif de développer des TSA. Mais aussi d’identifier de nouvelles pistes potentielles de recherche dans la compréhension et l’identification de facteurs de risque de la pathogenèse in utero de tels troubles neurodéveloppementaux.
Notre but
Notre projet de recherche Pelargos a pour finalité le développement d’un dispositif médical permettant de :
- Prévoir après la naissance le risque de développer des TSA à l’avenir, et ainsi aiguiller et avancer l’âge du diagnostic via une surveillance précoce du développement afin d’instaurer au plus tôt les thérapies psycho-éducatives cruciales pour l’autonomie future du patient.
- Mettre en évidence de nouveaux biomarqueurs liés aux TSA dans les données cliniques, ouvrant ainsi la porte à de nouvelles pistes de recherche afin de repousser les frontières de la compréhension des origines et des altérations développementales conduisant aux TSA.
Notre méthode
Grâce à des méthodes technologiques de pointe de Data Mining notamment le Machine Learning, nos analyses, sans préjugés, des données de santé collectées tout au long de la grossesse, de la naissance et des premiers jours de vie, ouvrent de nouvelles perspectives dans la compréhension des TSA.
Médecine 2.0 et Machine Learning
Le Machine Learning, ou apprentissage automatique, est une discipline de l’intelligence artificielle (IA) qui a révolutionné la manière dont nous traitons et analysons les données. Grâce à des algorithmes sophistiqués et à des modèles statistiques, cette technologie vise à apprendre aux ordinateurs à tirer des enseignements des données et à s’améliorer avec l’expérience, au lieu d’être explicitement programmées pour le faire.
A l’heure de la Big Data, le machine learning joue un rôle crucial. Il permet d’extraire des informations précieuses à partir de grandes quantités de données, même lorsqu’elles sont complexes et non structurées en temps réel. Cela ouvre de nouvelles possibilités pour la prise de décisions éclairées et la résolution de problèmes complexes. De plus, le machine learning est capable de détecter des schémas et des relations cachés dans les données, ce qui peut révéler des insights inattendus et stimuler la découverte scientifique.
Le domaine de la santé génère des quantités massives d’informations médicales (cliniques, génomiques, d’imagerie médicale…) . Avec son pouvoir de prédiction et de détection de motifs, le Machine Learning ouvre de nouvelles opportunités pour améliorer les soins de santé, la recherche médicale et la compréhension des maladies. Les analyses et interprétation qu’il fournit sur ces vastes ensembles de données de santé en temps réel peuvent permettre une aide aux professionnels de santé pour une prise de décisions plus précises et éclairées, à identifier les facteurs de risque, à prédire l’évolution des maladies et à personnaliser les traitements en fonction des caractéristiques individuelles des patients.
En combinant l’expertise médicale avec les capacités du machine learning, nous sommes à l’aube d’une ère passionnante où les avancées technologiques peuvent véritablement transformer la vie des individus et avoir un impact significatif sur la santé globale.
Réussites
Nos premiers travaux préliminaires, publiés, ont démontré le plein potentiel de ce projet d’envergure.
B&A Biomédical s’est également vu décerner le trophée E-Santé de la catégorie Big Data / IA 2022 pour ce projet.
Nous contacter
Si vous êtes intéressés par notre expertise et le champs d’action de nos prestations, ou pour partager une idée de projet collaboratif, n’hésitez pas à nous contacter :
pour ce faire, merci d’utiliser le formulaire ci-dessous. Nous vous répondrons aussi rapidement que possible. (Tous les champs sont obligatoires)