Langage et IA: une méthode innovante pour détecter l’Alzheimer de manière précoce

Pour améliorer le dépistage précoce de cette maladie neurodégénérative qui touche le tiers des personnes âgées de 80 ans et plus au Canada, mon équipe de recherche et moi, à l’ÉTS, cherchons à élaborer une méthode innovante basée sur l’intelligence artificielle (IA). Notre approche, non invasive et accessible, repose sur l’analyse du langage des patients.Le langage comme indicateur de troubles cognitifsL’un des premiers signes de la maladie d’Alzheimer est la modification subtile du langage. Les personnes peuvent, par exemple, avoir du mal à trouver leurs mots, utiliser des pronoms à la place de noms ou multiplier les pauses. L’expression de leurs idées est moins dense.Une première étude sur le sujet a procédé à une analyse manuelle des écrits autobiographiques de religieuses âgée dans la vingtaine. Elle a conclu que la densité des idées exprimées était un bon prédicteur de la maladie d’Alzheimer, même si la maladie se présentait 50 ans plus tard.L’outil que nous avons conçu analyse ces indices linguistiques avec un test simple: la description d’images. Ce test fait partie de l’outil diagnostique BDAE (Boston Diagnostic Aphasia Examination). Il consiste à demander au patient de décrire une image. Ce test permet d’évaluer divers aspects du langage oral. La figure suivante présente une des images utilisée.Cette approche nous permet de mesurer la richesse lexicale, la complexité syntaxique et les marqueurs d’hésitation, autant de signes précurseurs du déclin cognitif.Nos travaux montrent qu’en analysant les changements subtils dans la structure du discours, nous pouvons identifier jusqu’à 85% des patients atteints d’Alzheimer, même à un stade très précoce.Une solution de rechange aux outils cliniques traditionnelsContrairement aux méthodes classiques de diagnostic, qui reposent souvent sur des tests cognitifs (qui incluent notamment ceux de description d’images) ou des techniques d’imagerie lourdes et coûteuses, notre approche permet une détection accessible et un suivi fréquent.Actuellement, les tests cliniques de description d’image exigent une évaluation manuelle des réponses des patients, ce qui est long et imprécis. Les cliniciens doivent retranscrire mot pour mot les réponses des patients, ce qui est une tâche pratiquement impossible dans un cadre hospitalier.Avec notre technologie, nous automatisons cette étape et extrayons des centaines de caractéristiques du langage pour affiner l’analyse.Notre procédé permet non seulement de détecter la maladie, mais aussi de suivre son évolution et d’analyser l’effet des traitements. Nos outils peuvent mesurer les progrès des patients au fil du temps, ce qui est essentiel pour évaluer l’efficacité des traitements.Des défis techniques et éthiques à releverMalgré les avancées prometteuses, l’intégration de l’IA dans le domaine médical pose encore des défis.Un des enjeux majeurs est l’acceptabilité par les professionnels de la santé et les patients. Il faut non seulement prouver l’efficacité de ces outils, mais aussi rassurer quant à la protection des données personnelles et l’éthique de leur utilisation.De plus, l’analyse du langage repose sur des algorithmes qui doivent être entraînés sur des bases de données représentatives. Nous devons nous assurer que notre modèle fonctionne pour des personnes de différentes origines linguistiques et socioculturelles. Dans le cadre de notre recherche, nous nous assurons de collecter des données diversifiées au Canada mais aussi en Équateur et au Mexique.Un programme (ou un logiciel) classique fonctionne sur la base d’un processus logique dans lequel s’enchaîne un ensemble d’instructions qui traite les données d’entrée pour produire un résultat en sortie.L’IA utilise des données autrement: elle s’en sert pour y détecter des patrons récurrents. Le processus est similaire pour une autre IA qui détecterait d’autres types de problèmes. Seules les données changent. Si celles-ci ne sont pas assez variées, l’IA se collera à cette réalité, ce qui peut engendrer des biais culturels ou linguistiques et nuire à la fiabilité des diagnostics.Ainsi, dans une de nos expériences, l’IA n’était pas adaptée au fait qu’à une certaine époque, les femmes portaient souvent des tabliers dans la cuisine. Bien que ce mot s’avère très pertinent pour évaluer la qualité des descriptions, l’IA avait évacué ce mot, car il n’apparaissait pas avec suffisamment de fréquence.L’autre problème rencontré concerne la qualité des IA intermédiaires utilisées pour transformer le signal de la parole en texte écrit (transcriptions). Les IA qui résolvent cette transformation sont moins performantes pour le français (et plus particulièrement le français parlé du Québec et du Canada en général) et encore moins pour l’espagnol.Une technologie aux multiples applicationsLes implications de cette recherche dépassent le cadre de la maladie d’Alzheimer. Nous travaillons également sur l’aphasie qui affecte la communication, tant dans la compréhension que dans le langage. Cette condition peut être le résultat d’un accident vasculaire cérébral ou un traumatisme crânien.Notre équipe de recherche explore aussi l’utilisation de ces outils pour les enfants autistes non verbaux, qui apprennent souvent le langage différemment. Par exemple, nous avons constaté que certains de ces enfants acquièrent une langue grâce à l’exposition à des vidéos sur YouTube, ce qui ouvre de nouvelles pistes d’exploration sur l’apprentissage du langage.Ces travaux s’inscrivent dans une perspective plus large visant à mieux comprendre les liens entre langage et cognition. L’intelligence artificielle nous permet d’extraire une quantité d’informations que l’humain ne pourrait pas analyser à grande échelle. L’objectif final est de développer des outils adaptés aux besoins des cliniciens et des patients, pour améliorer leur qualité de vie.Un avenir où IA et santé convergentL’intégration de cette technologie dans les pratiques médicales pourrait révolutionner la prise en charge des troubles cognitifs. Notre but est de rendre ces outils accessibles à tous, sans que cela requière du matériel sophistiqué.Cette approche pourrait ainsi permettre une détection précoce et un suivi plus personnalisé, bénéficiant à des millions de patients partout dans le monde.En combinant l’IA et les sciences cognitives, notre équipe de recherche pave la voie à une médecine plus prédictive, mieux adaptée aux besoins des patients et plus efficace dans la lutte contre les maladies neurodégénératives.Bien que nous soyons encore au début de cette révolution technologique, les avancées actuelles montrent déjà un potentiel considérable. En rendant ces outils accessibles, nous espérons transformer la manière dont nous abordons le diagnostic et le suivi des troubles du langage.En parallèle, notre équipe travaille déjà à de nouvelles collaborations avec des établissements médicaux pour tester ces technologies en milieu clinique.Nous espérons qu’à terme, nos outils puissent être intégrés directement dans les protocoles de soins, afin d’offrir un suivi plus précis et adapté aux besoins individuels des patients.Cet article est republié à partir de The Conversation sous licence Creative Commons.

Langage et IA: une méthode innovante pour détecter l’Alzheimer de manière précoce

Pour accéder au contenu, connectez-vous ou créez un compte gratuit.

Catégories connexes