La moisissure sur le pain : aujourd'hui une petite tache, demain la moitié de la miche. C'est à peu près ainsi que se propage dans le cerveau la bêta-amyloïde — une protéine collante qui, dans la maladie d'Alzheimer, s'agglutine en amas et perturbe le fonctionnement des neurones. Les médecins la voient sur les images TEP (c'est comme une radiographie, mais qui montre non pas les os, mais les accumulations de molécules), mais une image n'est qu'un instantané. Que s'est-il passé il y a un an ? Et dans trois ans ? Auparavant, on ne pouvait répondre que par des suppositions.

Les auteurs de cette nouvelle étude ont construit un modèle qui apprend non pas à partir de mots, mais à partir de milliers d'images réelles. Ils ont utilisé les données de 1461 personnes du projet ADNI et de 1070 de l'étude A4. Le modèle, nommé LNODE, fonctionne comme une carte de propagation d'une épidémie : il voit quelques points (où et combien de protéine sur différents scans) et dessine toute la trajectoire — aussi bien dans le passé que dans le futur. Il ne mémorise pas chaque patient individuellement, mais cherche des schémas communs. Avec dix gouttes de pluie sur une vitre, on peut calculer d'où venait le nuage — c'est le même principe.

Le secret réside dans le fait que le modèle identifie des états cachés — une sorte de « climat » interne du cerveau qui soit favorise l'accumulation d'amyloïde, soit la freine. Ces états évoluent dans le temps selon des règles communes à tous, mais chacun a son propre point de départ. Ainsi, LNODE ne se contente pas de prédire une image moyenne pour l'hôpital, mais voit qu'un patient suit un scénario lent, tandis qu'un autre suit un scénario rapide. Sur des images prises à quatre ans d'intervalle, le modèle devine la quantité de protéine presque sans erreur.

Tout cela ressemble moins à un manuel médical qu'à une prévision météo : on regarde les nuages d'aujourd'hui et on comprend s'il faut s'attendre à un orage dans une semaine. Il en va de même pour l'amyloïde — son mouvement obéit à des lois strictes, bien qu'invisibles à l'œil nu. En les capturant dans une équation, on peut entrevoir l'avenir de la maladie sans recourir à des scanners supplémentaires.