Biomarqueurs sanguins : quel apport de l’intelligence artificielle ?

La diminution de la concentration de protéine amyloïde Abeta 42 dans le liquide céphalo-rachidien peut être un indicateur du risque de maladie d’Alzheimer plus précoce que la mesure de la charge amyloïde obtenue en imagerie cérébrale. Mais le recueil du liquide céphalo-rachidien par ponction lombaire est hautement invasif, à la différence d’un diagnostic sanguin. Encore faut-il identifier des biomarqueurs pertinents dans le sang. Une équipe d’IBM a utilisé l’apprentissage machine pour identifier un ensemble de protéines du sang (une « signature protéique ») pouvant prédire la concentration de peptide amyloïde dans le liquide céphalo-rachidien, indicatrice du risque de maladie d’Alzheimer. Le modèle prédictif a une précision maximale lorsqu’on prend en compte la présence du marqueur de prédisposition génétique ApoEε4, et 4 protéines sanguines : la chromogranine A (CGA, impliquée notamment dans la régulation cardio-vasoactive), le peptide amyloïde Abeta 42, l’éotaxine 3 (impliquée notamment dans l’inflammation allergique) et l’apolipoprotéine E (un transporteur du cholestérol). La sensibilité du modèle est de 78 % (lorsque la personne est à risque d’avoir la maladie, il y a 78 % de chance que le test soit positif) et la spécificité de 73 % (lorsque la personne n’est pas à risque, il y a 73 % de chance que le test soit négatif). Cette sensibilité et cette spécificité sont bien trop faibles pour que le test soit acceptable en pratique courante. L’étude a été coordonnée par le consortium de métabolomique de la maladie d’Alzheimer et le groupe de recherche collaborative ADNI (Alzheimer’s Disease Neuroimaging Initiative). La métabolomique est la science qui étudie l’ensemble des métabolites présents dans une cellule, un organe, un organisme. Yanfeng Jiang et ses collègues, du laboratoire clé de génie génétique de l’Université Fudan à Shanghai (Chine), publie une revue systématique des études sur les métabolites circulants et le risque de démence.

www.ibm.com/blogs/research/2019/03/machine-learning-alzheimers/, 11 mars 2019. Goudey B et al. A blood-based signature of cerebrospinal fluid Aβ1–42 status. Sci Rep 2019: 9: 4163. 11 mars 2019. www.nature.com/articles/s41598-018-37149-7.

Jiang Y et al. Metabolomics in the Development and Progression of Dementia: A Systematic Review. Front Neurosci 2019; 13: 343. 12 avril 2019. www.frontiersin.org/articles/10.3389/fnins.2019.00343/full (texte intégral).