Des chercheurs du Département de psychiatrie de l’Université de l’Utah et du Huntsman Mental Health Institute ont publié un article dans Motifs Introduction de RiskPath, une boîte à outils logiciels open source qui utilise l’intelligence artificielle explicable (XAI) pour prédire si les individus développeront des maladies progressives et chroniques des années avant la présence des symptômes, transformant potentiellement la façon dont les soins de santé préventifs sont dispensés.
XAI est un système d’intelligence artificielle qui peut expliquer les décisions complexes d’une manière que les humains peuvent comprendre.
La nouvelle technologie représente une progression significative de la prédiction et de la prévention des maladies en analysant les modèles de données de santé collectées sur plusieurs années pour identifier les personnes à risque avec une précision sans précédent de 85 à 99%.
Les systèmes de prédiction médicale actuels pour les données longitudinales manquent souvent la marque, identifiant correctement les patients à risque seulement environ de la moitié aux trois quarts du temps.
Contrairement aux systèmes de prédiction existants pour les données longitudinales, RiskPath utilise des algorithmes AI de séries chronologiques avancées et les rend explicables afin de fournir des modèles complets qui fournissent des informations cruciales sur la façon dont les facteurs de risque interagissent et changent d’importance tout au long du processus de développement de la maladie.
« Les maladies chroniques et progressives représentent plus de 90% des coûts et de la mortalité des soins de santé », explique Nina de Lacy, MBA, MD, professeur adjoint de psychiatrie à l’Université de l’Utah Health et premier auteur de l’étude.
Elle ajoute: « En identifiant les individus à haut risque avant que les symptômes n’apparaissent ou au début de l’évolution de la maladie et que les facteurs de risque importent le plus à différents stades de vie, nous pouvons développer des stratégies préventives plus ciblées et efficaces. Les soins de santé préventifs sont peut-être l’aspect le plus important des soins de santé en ce moment, plutôt que de traiter les problèmes après qu’ils se matérialisent. »
L’équipe de recherche a validé RiskPath dans trois grandes cohortes de patients à long terme impliquant des milliers de participants pour prédire avec succès huit conditions différentes, notamment la dépression, l’anxiété, le TDAH, l’hypertension et le syndrome métabolique. Ils disent que la technologie offre plusieurs avantages clés:
- Compréhension améliorée de la progression de la maladie: RiskPath peut cartographier comment différents facteurs de risque changent dans l’importance au fil du temps, révélant des fenêtres critiques pour l’intervention. Par exemple, l’étude a montré comment le temps d’écran et la fonction exécutive sont devenus des contributeurs de risques de plus en plus importants pour le TDAH à l’approche de l’adolescence.
- Évaluation des risques rationalisée: Bien que RiskPath puisse analyser des centaines de variables de santé, les chercheurs ont constaté que la plupart des conditions peuvent être prédites avec une précision similaire en utilisant seulement 10 facteurs clés, ce qui rend la mise en œuvre plus réalisable en milieu clinique.
- Visualisation pratique des risques: Le système fournit des visualisations intuitives montrant quelles périodes dans la vie d’une personne contribuent le plus au risque de maladie, aidant les chercheurs à identifier les temps optimaux pour les interventions préventives.
L’équipe de recherche explore maintenant comment RiskPath pourrait être intégré aux systèmes de soutien à la décision clinique, aux programmes de soins préventifs et aux fondements neuronaux de la maladie mentale. Ils prévoient d’étendre leurs recherches pour inclure des maladies supplémentaires et diverses populations.
