Une IA est capable de diagnostiquer les maladies du système immunitaire

Déchiffrer l’histoire des infections et des maladies du système immunitaire d’un individu. C’est ce qu’un système d’intelligence artificielle innovante (IA) peut faire en fonction de l’apprentissage automatique, appelé Avec l’identifiant (Apprentissage automatique pour le diagnostic immunologique), qui est présenté dans une étude publiée dans ‘Science‘.

Selon ses créateurs, cet outil a un grand potentiel pour diagnostiquer avec précision les troubles auto-immunes, les infections virales et les réponses des vaccins.

MAL-ID est capable de déchiffrer l’histoire du système immunitaire d’une personne et de ses infections passées, selon une étude récente. L’avance, écrivent les chercheurs, représente un outil puissant susceptible de diagnostiquer avec précision les maladies auto-immunes, les infections virales et les réponses des vaccins.

Les méthodes cliniques traditionnelles pour diagnostiquer les maladies auto-immunes et autres pathologies immunologiques sont généralement basées sur une combinaison d’examen physique, d’histoire du patient et de divers tests de laboratoire pour détecter les anomalies cellulaires ou moléculaires.

Cependant, ce processus peut être long et compliqué par des diagnostics erronés initiaux et des symptômes ambigus. De plus, ces stratégies font une utilisation limitée des données des cellules BCR (BCR) et des cellules T (TCR) du système immunitaire adaptatif du patient.

Lorsque le corps est exposé à des agents pathogènes, les vaccins ou autres stimuli antigéniques, les répertoires BCR et TCR subissent des modifications par l’expansion clonale, les mutations somatiques et la reconfiguration sélective des populations de cellules immunitaires.

Le séquençage de ces récepteurs pourrait devenir un outil de diagnostic complet, capable de détecter simultanément les maladies infectieuses, auto-immunes et médiatisées par le système immunitaire en un seul test. Cependant, la fiabilité et l’applicabilité de cette technique pour classer les maladies de manière précise n’ont pas encore été complètement établies.

Pour relever ce défi, les chercheurs de la Université de Stanford Ils ont développé MAL-ID, un système innovant basé sur trois modèles d’apprentissage automatique qui analyse les ensembles de données immunologiques pour identifier les modèles caractéristiques des maladies infectieuses et immunologiques et des réponses des vaccins.

Pour améliorer

Les chercheurs ont formé MAL-ID à l’aide de données BCR et TCR de 593 personnes, y compris les patients atteints de diabète Covid-19, VIH et de type 1, ainsi que les personnes vaccinées contre la grippe et les sujets sains.

Les résultats ont montré que MAL-ID a réussi à distinguer six états pathologiques dans 550 échantillons appariés de BCR et de TCR, atteignant un score AUROC multicategoire de 0,986, indiquant une précision exceptionnelle dans la classification. Ce paramètre reflète la capacité du modèle à hiérarchiser correctement les cas positifs sur les négatifs dans toutes les comparaisons de la maladie.

Bien que le modèle ait démontré sa capacité à faire la différence entre les patients atteints de Covid-19, VIH, lupus, diabète de type 1 et personnes en bonne santé, qui montre leur potentiel comme un outil de diagnostic à grande gamme, les chercheurs avertissent qu’il est Affiner nécessaire Affiner la méthodologie par intégration d’informations cliniques avant de pouvoir être utilisées en toute confiance dans des environnements médicaux.

Cette avancée suggère un avenir prometteur pour le diagnostic des maladies immunitaires par l’intelligence artificielle, l’optimisation de la précision et la réduction des temps de diagnostic chez les patients.

Pour José Gómez Rial, de Complexe hospitalier universitaire de Santiago de Compostela (CHUS), l’étude représente une progression significative dans l’intégration de l’intelligence artificielle dans le diagnostic immunitaire, en appliquant l’apprentissage automatique sur les séquences des récepteurs des cellules immunitaires pour classer plusieurs maladies avec une grande précision.

À son avis, cette approche implique un changement de paradigme dans le diagnostic, car une évaluation immunitaire traditionnelle est basée sur la détection d’anticorps indirects et de biomarqueurs. D’un autre côté, “cette technologie profite de l’immense diversité du répertoire immunitaire pour extraire des données très spécifiques”, dit-il Science Media Center.

Cependant, il ajoute que «sa mise en œuvre dans la pratique clinique nécessitera des études supplémentaires pour évaluer sa reproductibilité dans différents environnements et son intégration avec d’autres marqueurs immunologiques et données cliniques. Alors que je continue d’affiner notre capacité à interpréter des réponses immunitaires complexes, il est essentiel que les immunologues dirigent leur mise en œuvre pour garantir leur application sûre et efficace dans la prise de décision clinique ».