Quand le machine learning accélère le diagnostic de l’épilepsie

Une nouvelle étude australienne menée par l’université Monash, en collaboration avec Alfred Health et l’hôpital royal de Melbourne, a révélé comment la technologie de machine learning pourrait être utilisée pour automatiser le diagnostic de l’épilepsie.

Dans le cadre de cette étude, les chercheurs de l’université Monash ont appliqué plus de 400 enregistrements d’électroencéphalogrammes de patients atteints ou non d’épilepsie provenant de l’Alfred Health et de l’hôpital Royal Melbourne à un modèle de machine learning. L’apprentissage du modèle avec les différents ensembles de données lui a permis de détecter automatiquement les signes d’épilepsie – ou les activités anormales connues sous le nom de “pics” dans les enregistrements EEG.

« L’objectif de la première étape est d’évaluer les modèles existants impliqués dans la détection des enregistrements électriques anormaux parmi les neurones du cerveau, appelés activité épileptiforme. Ces anomalies sont souvent des pics nets qui se distinguent des schémas rythmiques de l’EEG d’un patient », a expliqué Levin Kuhlmann, maître de conférences à l’université Monash, au département informatique de la faculté des sciences des données et de l’IA.

Potentiel de formation

Doug Nhu, chercheur associé au projet et doctorant de la faculté, a déclaré que l’application du machine learning au processus pourrait libérer le temps des professionnels de la santé, car le processus actuel de diagnostic de l’épilepsie est souvent long. « Le fait de pouvoir appliquer un modèle de machine learning à divers ensembles de données démontre notre capacité à créer un algorithme plus fiable, plus adaptatif et plus intelligent que les modèles existants, ce qui rend notre modèle plus utile lorsqu’il est appliqué dans des scénarios réels, comme le diagnostic de patients dans une clinique », a-t-il déclaré.

En plus de diagnostiquer les patients épileptiques, cette technologie a le potentiel d’être utilisée comme outil de formation pour les neurologues diplômés, qui peuvent l’utiliser comme base de comparaison avec les dossiers des patients épileptiques, a déclaré l’université.

« Nos plans pour cette recherche seront de continuer à améliorer les modèles actuels et de continuer à les former par rapport à des ensembles de données supplémentaires provenant d’autres hôpitaux », a déclaré Patrick Kwan du département de neurosciences de la faculté de médecine de l’université Monash. « Nous visons à développer un algorithme précis qui sera fiable dans de multiples environnements hospitaliers et utilisable dans les premiers stades du diagnostic de l’épilepsie, à partir des enregistrements EEG de routine et des enregistrements EEG en manque de sommeil ».

Selon Levin Kuhlmann, la prochaine étape du projet verra le modèle de machine learning se concentrer sur la détection de nouvelles saisies et les méthodes de prédiction.

Source : ZDNet.com