Une nouvelle étude montre comment l'apprentissage automatique peut améliorer les soins aux personnes atteintes du syndrome de Rett

Jan 19, 2024

1 mars 2023

Au cours de la dernière décennie, il y a eu une augmentation de l'utilisation d'appareils portables de qualité médicale et grand public qui mesurent la physiologie d'un individu. La capacité de surveiller nos propres activités et notre santé est plus accessible que jamais. Bien que l'application de ces dispositifs dans la recherche biomédicale se soit largement limitée à la cardiologie, une nouvelle étude démontre comment l'utilisation d'un patch thoracique électronique portable combiné aux progrès de l'apprentissage automatique et de l'intelligence artificielle pourrait aider au développement de nouveaux traitements pour le syndrome de Rett, ainsi qu'un certain nombre d'autres problèmes de santé.

Publié dans PLOS One, Gari Clifford, DPhil, et son équipe de recherche à l'Université Emory et au Georgia Institute of Technology ont utilisé le patch MC10 Biostamp pour analyser les mouvements et l'activité cardiaque des personnes atteintes du syndrome de Rett.

Le syndrome de Rett est un trouble neurodéveloppemental génétique rare caractérisé par de graves déficiences, affectant la capacité d'une personne à parler, marcher, manger et respirer normalement. Il n'existe actuellement aucun remède pour le syndrome de Rett et la capacité de détecter des schémas objectifs de symptômes et la progression de la maladie directement chez les patients fait défaut.

Pendant la période d'étude, le patch portable surveillait l'activité cardiaque et les mouvements des participants à l'étude. Les données recueillies sur une période continue de 48 heures ont ensuite été utilisées pour développer un algorithme d'apprentissage automatique, qui a identifié des modèles de physiologie et de mouvement spécifiques à la gravité du syndrome de Rett. En particulier, Clifford et son équipe ont trouvé trois schémas spécifiques dans le mouvement et la fréquence cardiaque (et comment ils s'influencent mutuellement) qui leur ont permis de différencier avec précision les individus à symptômes élevés des individus à faible gravité.

Cela a abouti à un système qui a le potentiel de classer objectivement la gravité des symptômes dans la population en fonction de leurs mouvements et de leur activité cardiaque. Ces données ont des implications majeures sur les efforts visant à améliorer les options thérapeutiques pour les personnes vivant avec le syndrome de Rett dans les futurs essais cliniques.

Les options actuelles pour mesurer l'effet d'un traitement reposent sur des questionnaires remplis par des cliniciens ou des parents. Une mesure physiologique dérivée de l'activité cardiaque et motrice qui correspond à la gravité globale d'un patient pourrait être un biomarqueur important qui indique si un traitement pourrait ou non aider avec d'autres symptômes, tels que la communication et la mobilité, plus tard.

"Cet algorithme fournit une mesure objective qui pourrait être utilisée pour évaluer automatiquement l'effet d'un médicament ou d'une autre intervention sur les symptômes ressentis par une personne souffrant du syndrome de Rett", explique Clifford. "Nous sommes ravis que ces biomarqueurs puissent potentiellement permettre un traitement plus personnalisé et efficace dans cette population, et peut-être d'autres."

Le Rett Syndrome Research Trust (RSRT), la principale organisation à but non lucratif dédiée à la recherche d'un remède contre le syndrome de Rett, parraine la recherche et fournit un financement supplémentaire à Clifford et à son équipe pour continuer à valider le travail dans une population plus large.

« Les résultats de cette étude initiale ont dépassé nos attentes et démontrent clairement que des mesures directes et objectives des symptômes des patients sont non seulement possibles mais suffisamment sensibles pour distinguer la gravité des symptômes, même avec un petit nombre de patients », déclare Jana von Hehn, PhD, directrice scientifique de RSRT. "Ce travail a le potentiel de raccourcir les délais des essais cliniques avec une évaluation plus sensible des effets du traitement et moins de patients. Nous sommes très heureux de poursuivre cet important travail avec le Dr Clifford et son équipe d'experts."

L'utilisation de l'intelligence artificielle et de l'apprentissage automatique a attiré une attention accrue dans les soins cliniques ces dernières années pour sa capacité à améliorer le diagnostic et le traitement de nombreuses maladies. C'est la première fois que l'apprentissage automatique est appliqué aux personnes atteintes du syndrome de Rett, mais Clifford voit une opportunité d'appliquer ce modèle à d'autres populations, telles que les personnes vivant avec l'autisme.

Clifford et son équipe ont déjà commencé la prochaine phase de la recherche et espèrent avoir des résultats d'ici l'automne 2023.