Des chercheurs ont dévoilé un modèle d'IA innovant capable de prédire les risques de maladie des décennies à l'avance grâce à l'analyse de dossiers médicaux à grande échelle. Cette innovation pourrait révolutionner les soins de santé en permettant des interventions plus précoces et des plans de traitement plus personnalisés.
Dans une nouvelle étude publié Dans la revue Nature, des chercheurs du Laboratoire européen de biologie moléculaire (EMBL), du Centre allemand de recherche sur le cancer (DKFZ) et de l'Université de Copenhague ont dévoilé un modèle d'IA pionnier capable de prédire le risque et le calendrier de plus de 1,000 XNUMX maladies plus d'une décennie à l'avance.
Ce nouveau modèle d’IA générative utilise des principes algorithmiques similaires à ceux utilisés dans les grands modèles de langage (LLM).
L'IA a été formée à partir de données de santé anonymisées provenant de 400,000 1.9 participants de la Biobank britannique, puis validée à partir des données de XNUMX million de patients du Registre national danois des patients. Selon les chercheurs, il s'agit de l'une des démonstrations les plus complètes du potentiel de l'IA générative pour modéliser la progression des maladies humaines à grande échelle.
« Notre modèle d'IA est une preuve de concept, démontrant qu'il est possible pour l'IA d'apprendre nombre de nos schémas de santé à long terme et d'utiliser ces informations pour générer des prédictions pertinentes », a déclaré Ewan Birney, directeur exécutif par intérim de l'EMBL, dans un communiqué de presse. « En modélisant l'évolution des maladies au fil du temps, nous pouvons commencer à identifier l'apparition de certains risques et à planifier au mieux les interventions précoces. C'est un grand pas vers des approches de santé plus personnalisées et préventives. »
Prédire les résultats futurs en matière de santé
À l'instar des grands modèles linguistiques capables d'appréhender la structure des phrases, ce modèle d'IA décrypte la « grammaire » des données de santé pour envisager les antécédents médicaux comme des séquences d'événements au fil du temps. Ces événements incluent les diagnostics médicaux et les choix de vie, comme le tabagisme. Le modèle apprend à prédire le risque de maladie en fonction de la séquence et du moment de ces événements.
« Les événements médicaux suivent souvent des schémas prévisibles », a ajouté Tom Fitzgerald, chercheur à l'Institut européen de bioinformatique de l'EMBL (EMBL-EBI). « Notre modèle d'IA apprend ces schémas et peut prédire les conséquences futures sur la santé. Il nous permet d'explorer les conséquences potentielles en fonction des antécédents médicaux d'une personne et d'autres facteurs clés. Il ne s'agit pas d'une certitude, mais d'une estimation des risques potentiels. »
Le modèle est excellent pour les pathologies présentant des schémas de progression clairs, comme certains cancers, les crises cardiaques et la septicémie, mais il est moins fiable pour les pathologies plus variables comme les troubles de santé mentale ou les complications liées à la grossesse.
Son utilisation et ses limites
Tout comme les prévisions météorologiques, le modèle d'IA fournit des probabilités plutôt que des certitudes. Par exemple, il pourrait estimer le risque de développer une maladie cardiaque sur une période donnée, exprimé sous forme de taux statistiques au fil du temps, comme pour prévoir une probabilité de pluie de 70 %.
Les prévisions à court terme ont tendance à être plus précises que les prévisions à long terme.
Par exemple, le modèle suggère des risques variables de crise cardiaque chez les hommes de la cohorte UK Biobank âgés de 60 à 65 ans, avec des probabilités allant de 4 sur 10,000 1 à 100 sur XNUMX par an, influencées par les diagnostics antérieurs et le mode de vie. Si les femmes présentent généralement un risque plus faible, leur répartition reflète celle des hommes.
Il est important de noter que ces prévisions correspondent bien aux cas réels observés dans différents groupes démographiques de la UK Biobank.
Le modèle est conçu pour générer des estimations précises du risque à l'échelle de la population, mais il présente des limites. Étant principalement formé sur des personnes âgées de 40 à 60 ans, les événements de santé survenant pendant l'enfance et l'adolescence sont sous-représentés.
De plus, des biais démographiques existent en raison de lacunes dans les données de formation, notamment la sous-représentation de certains groupes ethniques.
Bien que le modèle d’IA ne soit pas encore prêt pour une utilisation clinique, il est prometteur pour les chercheurs afin de comprendre la progression de la maladie, d’explorer comment le mode de vie et les maladies passées influencent les risques à long terme et de simuler les résultats de santé lorsque les données du monde réel sont limitées ou inaccessibles.
« C'est le début d'une nouvelle approche pour comprendre la santé humaine et la progression des maladies », a ajouté Moritz Gerstung, directeur de la division d'IA en oncologie au DKFZ et ancien chef de groupe à l'EMBL-EBI. « Des modèles génératifs comme le nôtre pourraient un jour contribuer à personnaliser les soins et à anticiper les besoins de santé à grande échelle. En s'appuyant sur de larges populations, ces modèles offrent un éclairage précieux sur l'évolution des maladies et pourraient, à terme, favoriser des interventions plus précoces et plus adaptées. »