Les scientifiques ont réuni les données de 23 patients atteints de la maladie d'Alzheimer : images du cerveau, analyses de sang, composition du microbiome. Chaque patient a été mesuré avant et après un traitement à la rapamycine, un médicament qui ralentit le vieillissement cellulaire. La tâche du réseau de neurones consiste à comprendre, à partir de ces données, si la personne a reçu le médicament ou non. Mais le signal est faible et se noie dans le bruit, comme une pépite d'or dans le sable d'une rivière.
D'abord, le modèle « tamise le sable » : une forêt aléatoire sélectionne les 27 caractéristiques les plus importantes parmi des centaines. Ensuite, le réseau de neurones met en correspondance des données de types différents et prédit le traitement. Sans ce tamisage, la précision était celle du hasard, soit environ 50 %. Avec le tamisage, elle est montée à 71,25 %. Les paramètres sanguins et le marqueur inflammatoire MIP-1α se sont révélés déterminants. Aujourd'hui, une chose est claire : pour saisir l'effet d'un médicament, il faut d'abord éliminer le superflu. Cette approche pourrait dès à présent aider les médecins à sélectionner les patients chez qui la rapamycine a la plus forte probabilité d'être efficace.
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.