L’info vient de tomber : IBM et la Fondation Michael J. Fox sont en phase de développement d’un modèle de machine learning qui s’attaquerait à la maladie de Parkinson. Alexis Kuperfis nous en parle en détail.
La piste du machine learning pour soigner Parkinson
Et s’il existait une possibilité pour que le machine learning puisse mettre fin à la maladie de Parkinson ? On le saura au terme du projet mené par une alliance entre le département de recherche d’IBM et la Fondation Michael J. Fox. Les deux organisations comptent se baser sur un nouveau modèle de progression de la maladie à travers le machine learning dans le cadre de la recherche sur les traitements de la maladie de Parkinson.
Rappelons que la maladie de Parkinson est une maladie chronique, neurodégénérative et progressive, dont les symptômes peuvent affecter les fonctions motrices et non motrices. Malheureusement, on n’en sait pas vraiment plus sur cette maladie. En effet, la biologie sous-jacente de la maladie est toujours méconnue, ce qui rend le fait de déterminer le stade d’avancement par l’évaluation des symptômes assez difficile pour les cliniciens, spécialement quand le patient prend des médicaments qui les masquent.
Le machine learning permettrait une nouvelle modélisation de la maladie
La Fondation Michael J. Fox et IBM Research ont conçu une méthode de modélisation dont l’objectif est d’aider les cliniciens à comprendre l’évolution de la maladie en fonction de l’apparition des symptômes, et ainsi déterminer la progression des patients. Grâce à des algorithmes, le modèle est conçu de façon à prendre en compte les facteurs qui peuvent masquer l’apparence extérieure de la maladie de Parkinson, notamment les médicaments qui peuvent atténuer des symptômes tels que les tremblements par exemple. A ce propos, IBM explique : « les réponses des patients aux médicaments peuvent ne pas être cohérentes dans l’ensemble de la population, d’où la nécessité de personnaliser les prédictions. Par exemple, les symptômes de tremblement d’un patient peuvent être très sensibles aux médicaments, tandis qu’un autre pourrait être moins soulagé par les médicaments, même si sa maladie progresse également… L’identification de ces défis est la clé du succès de l’apprentissage automatique dans les soins de santé ».