L’intelligence artificielle pourrait-elle révolutionner la compréhension, le diagnostic et la prise en charge des troubles du spectre de l’autisme (TSA) ?
C’est une des questions sur laquelle des chercheurs néerlandais se sont penchés et dont les résultats de l’étude qu’ils ont menée, viennent d’être publiés dans Scientific Reports. 1
En utilisant le « machine learning » (apprentissage automatique), ces scientifiques ont pu identifier 26 taxons bactériens caractéristiques du microbiote intestinal des enfants souffrant d’autisme. Une découverte qui ouvre la porte à de nouvelles techniques de diagnostic et fournit des cibles potentielles pour des interventions thérapeutiques.
S’affranchir des biais liés à l’alimentation ou au mode de vie
Pour parvenir à ce résultat, Lucia Peralta-Marzal et son équipe ont utilisé les données de composition des microbiotes intestinaux de 60 enfants américains âgés de 2 à 7 ans souffrant d’autisme et de 57 de leurs frères et sœurs non touchés par la maladie (groupe contrôle).
En choisissant des enfants de la même fratrie, les scientifiques ont cherché à réduire les biais – fréquents dans les analyses statistiques traditionnelles – liés à l’alimentation, au lieu de vie et au mode de vie. Leur objectif : identifier la signature microbienne intestinale liée spécifiquement à la présence d’un TSA.
Les chercheurs ont analysé les données brutes de séquençage des gènes des ARNr 16S, extraits des microbiotes intestinaux des enfants de la cohorte, à l’aide d’un algorithme appelé REFS (recursive ensemble feature selection) basé sur l’apprentissage automatique.
Ce sous domaine de IA, basé sur des algorithmes permettant de découvrir des motifs récurrents « patterns » dans les ensembles de données, leur a permis d’identifier 26 variants de séquence d’amplicon (amplicon sequence variants ou ASV). Ces ASV correspondent à 26 taxons bactériens capables de différencier les enfants souffrant d’autisme de ceux du groupe contrôle.
Un outil prédictif précis, robuste… et validé
En utilisant ces 26 taxons pour analyser le même type de données, mais issues cette fois de deux cohortes chinoises (223 enfants, dont 125 présentant un TSA), Lucia Peralta-Marzal et ses collaborateurs ont réussi à valider la capacité de cette signature à discriminer les enfants autistes, et ainsi à démontrer sa fiabilité et sa reproductibilité.
Leurs calculs montrent que la moyenne de l’aire sous la courbe (AUC) est de 81,6 % dans la cohorte américaine et de respectivement 74,8 et 74 % dans les cohortes chinoises, ce qui prouve que les facteurs confondant, tels que le mode de vie, n’altèrent pas cette signature.
D’autres études seront nécessaires pour comprendre le rôle des 26 taxons dans la physiopathologie des TSA. Mais cette signature pourrait d’ores et déjà être utilisée à des fins de diagnostic et pour fournir de nouvelles informations sur les mécanismes moléculaires en jeu au niveau de l’axe microbiote-intestin-cerveau.
Quoi qu’il en soit, elle confirme que le microbiote intestinal est fortement associé aux TSA et que celui-ci ne doit pas être négligé en tant que cible potentielle pour des interventions thérapeutiques.