Dans un laboratoire où les données des patients ressemblent à une poussière d'or éparse, chaque analyse est une pépite, et la maladie d'Alzheimer un fleuve qui emporte le métal précieux. Les scientifiques ont confié au réseau de neurones une mission : distinguer si une personne a reçu de la rapamycine, un médicament qui ralentit le vieillissement cellulaire, ou non. Mais le sable est mêlé à la gangue : bruit dans les analyses, variabilité entre les individus, effet thérapeutique faible. Pour trouver les pépites, il faut d'abord écarter le superflu.
Le modèle TreatmentFormer fonctionne comme un lavage en plusieurs étapes. D'abord, une « forêt aléatoire », un ensemble d'arbres de décision, passe au crible huit types de données : images cérébrales, marqueurs d'inflammation, métabolites sanguins, microbiome et autres. Sur des centaines de caractéristiques, 27 des plus précieuses sont retenues, soit trois par modalité. Ensuite, des encodeurs distincts transforment chaque type de données en vecteurs compacts, des plongements, et un apprentissage contrastif rapproche les vecteurs d'un même patient tout en éloignant ceux des autres. Enfin, un transformeur assemble le tout et donne la réponse : traitement ou non.
Le résultat n'est pas parfait, mais il est significatif. Sans filtrage, le modèle devinait au hasard, autour de 50 %. Avec filtrage, la précision est montée à 71,25 % en moyenne sur dix exécutions, même si la dispersion allait de 50 % à 87,5 %. L'analyse SHAP a montré que la contribution principale vient des paramètres de la numération formule sanguine, en particulier RDW CV %, et du marqueur inflammatoire MIP-1α. Les métabolites sanguins ont fourni 14 des 27 caractéristiques, mais étaient plus faibles pris isolément. La démographie compte peu, tandis que l'IRM et le microbiome apportaient un bénéfice modéré.
Avant ce travail, on ne savait pas si l'on pouvait, sur un petit groupe de patients, capter la faible trace d'un médicament dans le bruit. On comprend désormais que la clé n'est pas dans la complexité du modèle, mais dans le nettoyage des données d'entrée. La méthode a été comparée sur les mêmes données avec et sans filtrage, et l'importance des caractéristiques a été vérifiée par deux approches indépendantes. Dès aujourd'hui, cette approche peut servir dans les essais cliniques pour sélectionner les patients que la rapamycine a le plus de chances d'aider, et pour rechercher des biomarqueurs de réponse.
Les grains brillent à nouveau dans la batée, mais on voit maintenant lesquels sont de l'or. Le réseau de neurones ne se contente pas de deviner : il montre où chercher.
La rapamycine a été isolée pour la première fois à partir d'une bactérie trouvée dans le sol de l'île de Pâques (Rapa Nui), d'où son nom. Le médicament inhibe la voie de signalisation mTOR, qui régule la croissance cellulaire et le vieillissement, et prolonge la vie des souris de 10 à 15 %.
L'idée de prédire la réaction de l'organisme à un médicament à partir de multiples signaux biologiques fait écho au roman de Frank Herbert « Dune », où les médecins utilisent des systèmes de diagnostic complexes pour évaluer l'état d'une personne. Toutefois, contrairement à la science-fiction, il s'agit ici de données réelles de sang et de cerveau.
Non publié sur arXiv. Voici sa page, le PDF et la formalisation : vous pouvez vérifier vous-même, pas seulement lire notre analyse.