Un nouveau système d’IA pourrait offrir plus d’espoir aux personnes atteintes d’épilepsie

Comme le rapporte Endgadget, deux chercheurs en IA pourraient avoir créé un système qui offre un nouvel espoir aux personnes souffrant d’épilepsie – un système “qui peut prédire les crises d’épilepsie avec une précision de 99,6 %,” et ce, jusqu’à une heure avant que les crises ne se produisent.

Ce ne serait pas la première nouvelle avancée, puisque des chercheurs de l’Université technique (TU) d’Eindhoven, aux Pays-Bas, ont déjà développé un bracelet intelligent qui peut prédire les crises d’épilepsie pendant la nuit. Mais la précision et la courte période de temps pendant laquelle le nouveau système d’IA peut fonctionner, comme le note IEEE Spectrum, offre plus d’espoir à environ 50 millions de personnes dans le monde qui souffrent d’épilepsie (selon les données de l’Organisation mondiale de la santé). Sur ce nombre de patients, 70 % d’entre eux peuvent contrôler leurs crises avec des médicaments si ceux-ci sont pris à temps.

Le nouveau système d’IA a été créé par Hisham Daoud et Magdy Bayoumi de l’Université de Louisiane à Lafayette, et est considéré comme “un grand pas en avant par rapport aux méthodes de prédiction existantes.” Comme l’explique Hisham Daoud, l’un des deux chercheurs qui ont développé le système, “En raison des temps de crise imprévisibles, l’épilepsie a un fort impact psychologique et social sur les patients.”

Comme on l’explique, “chaque personne présente des modèles cérébraux uniques, ce qui rend difficile la prédiction précise des crises.” Jusqu’à présent, les modèles existants prédisaient les crises “dans un processus en deux étapes, où les modèles cérébraux doivent être extraits manuellement, puis un système de classification est appliqué,” ce qui, selon Daoud, ajoutait du temps pour faire une prédiction de crise.

Dans leur approche expliquée dans une étude publiée le 24 juillet dans IEEE Transactions on Biomedical Circuits and Systems, “les processus d’extraction de fonctionnalités et de classification sont combinés en un seul système automatisé, ce qui permet une prédiction de crise plus précoce et plus précise.”

Pour améliorer encore la précision de leur système, Daoud et Bayoumi “ont incorporé une autre approche de classification qui utilise un algorithme d’apprentissage profond pour extraire et analyser les fonctionnalités spatiales et temporelles de l’activité cérébrale du patient à partir de différentes localisations d’électrodes, ce qui améliore la précision de leur modèle.” Puisque “les lectures EEG peuvent impliquer plusieurs ‘canaux’ d’activité électrique,” pour accélérer encore plus le processus de prédiction, les deux chercheurs “ont appliqué un algorithme supplémentaire pour identifier les canaux les plus appropriés d’activité électrique.”

Le système complet a ensuite été testé sur 22 patients à l’hôpital pour enfants de Boston. Bien que la taille de l’échantillon soit petite, le système s’est avéré très précis (99,6 %), et a présenté “une faible tendance à des faux positifs, à 0,004 fausses alarmes par heure.”

Comme l’explique Daoud, la prochaine étape consisterait à développer un circuit intégré personnalisé pour traiter les algorithmes. “Nous travaillons actuellement sur la conception d’un matériel efficace [dispositif] qui déploie cet algorithme, en tenant compte de nombreux problèmes tels que la taille du système, la consommation d’énergie et la latence pour être adapté à une application pratique de manière confortable pour le patient.”