L’intelligence artificielle pour diagnostiquer les maladies cardiovasculaires au travers des selles ?

Entraîner des machines à « lire » les selles pour diagnostiquer les maladies cardiovasculaires, une utopie ? Pas si l’on en croit les résultats d’une nouvelle étude, selon laquelle cette approche originale serait presque aussi efficace que les examens actuels, et surtout bien moins chronophage.

Publié le 15 décembre 2020
Mis à jour le 08 août 2023

A propos de cet article

Publié le 15 décembre 2020
Mis à jour le 08 août 2023

Les maladies cardiovasculaires sont la première cause de mortalité dans le monde. En 2030, le nombre de décès devrait culminer à 23,6 millions. Actuellement, leur diagnostic repose sur une batterie d’examens (tests cliniques, électrocardiogramme, radiographie du thorax, échocardiogramme), longs et coûteux. Or, une altération du microbiote intestinal (dysbiose) est associée à plusieurs de ces maladies, notamment l’hypertension artérielle, l’insuffisance cardiaque et l’athérosclérose. Dès lors, pourquoi ne pas s’appuyer sur l’intelligence artificielle et concevoir un test de diagnostic basé sur sa composition ?

Des « signatures » des maladies cardiovasculaires dans les selles !

L’apprentissage automatique (ou « Machine Learning ») est un champ d’étude de l’intelligence artificielle qui consiste à fournir des données à un ordinateur pour lui permettre d’apprendre à résoudre un problème. En santé, il a été utilisé avec succès pour diagnostiquer et prédire diverses maladies (cancer, diabète, maladies inflammatoires de l’intestin). Pour tester son intérêt dans le diagnostic des maladies cardiovasculaires, des chercheurs ont comparé différents modèles pour l’analyse des selles obtenues auprès de 478 patients et 473 individus sains, afin d’identifier des « signatures » caractéristiques de ces maladies. Ils ont constaté que l’abondance intestinale de 39 bactéries était très différente entre les deux groupes.

Une forte capacité de diagnostic

Les chercheurs ont identifié un algorithme spécifique qui, en ciblant 25 familles bactériennes au sein du microbiote intestinal, permettrait de discriminer les 2 groupes avec une précision de 70 % ; soit à peine moins que l’approche conventionnelle, qui diagnostique 76 % des malades mais requiert une multitude de données cliniques (âge, sexe, tabagisme, pression sanguine, taux de cholestérol...). Pour les auteurs, l’apprentissage automatique d’une dysbiose intestinale caractéristique des maladies cardiovasculaires offre un potentiel très prometteur en matière diagnostique, dans le cadre d’une évaluation de routine.

Old sources

Sources :

Aryal S, Alimadadi A, Manandhar I, et al. Machine Learning Strategy for Gut Microbiome-Based Diagnostic Screening of Cardiovascular Disease. Hypertension. 2020 Nov;76(5):1555-1562.

    A lire aussi