Jesús Cortes : « Cette étude peut aider à identifier à l’avance les personnes qui risquent de développer des troubles cognitifs »

Jesús M. Cortes, professeur Ikerbasque à l’Institut de recherche en santé Biocruces-Bizkaia et chef de l’unité R&D&I de NeuronUP, explique dans cette interview les résultats sur la prédiction des troubles cognitifs avec NeuronUP qui viennent d’être publiés dans le prestigieux British Journal of Neuropsychology.

Quels sont les principaux résultats de cette étude ?

La motivation de cette étude était de comprendre rigoureusement dans quelle mesure les différents matériels d’entraînement cognitif développés par NeuronUP pouvaient ou non être utilisés pour prédire le déclin cognitif un an après l’utilisation de NeuronUP.

Sur les 203 supports d’entraînement cognitif étudiés, nous avons constaté que certains étaient plus performants que d’autres. Par exemple, les supports d’entraînement de la vitesse de traitement, de l’attention (sous ses trois formes sélective, alternée ou soutenue) et des fonctions exécutives avaient un pouvoir prédictif avec des précisions de l’aire sous la courbe supérieures à 0,89, ce qui est très élevé par rapport aux études précédentes.

En outre, dans des pathologies plus spécifiques, nous avons trouvé des différences telles que l’attention sélective prédit très bien les troubles cognitifs à un an dans le cas de la maladie de Parkinson, mais pas dans celui de la maladie d’Alzheimer, où la plupart des matériaux existants prédisent modérément les troubles cognitifs. Nous avons également étudié des populations atteintes de sclérose en plaques ou du syndrome de Down.

D’autre part, cette étude nous a permis de développer une infrastructure d’ingénierie des données au sein de NeuronUP, en graissant tous les rouages et en créant une unité de données spécifique, au sein de laquelle il y a déjà du personnel dédié.

Pourquoi le Journal of Neuropsychology a-t-il été choisi pour publier ces résultats ?

Le Journal of Neuropsychohocology est un journal de la British Psychological Society, l’une des organisations de psychologie les plus anciennes et les plus respectées au monde.

Fondée en 1901 et comptant plus de 60 000 membres, elle est une organisation professionnelle pour les psychologues au Royaume-Uni, organisant un large éventail d’activités et de services pour ses membres, y compris la formation continue, la recherche et la promotion de la psychologie.

Elle est un fervent défenseur de la promotion de la psychologie pour le bien public et travaille en étroite collaboration avec d’autres organisations et agences gouvernementales pour améliorer la santé mentale et le bien-être au Royaume-Uni et dans le monde entier.

La British Society gère un certain nombre de revues scientifiques prestigieuses à facteur d’impact élevé couvrant la psychologie clinique, neurodéveloppementale, éducative, sanitaire, sociale et neuropsychologique. Il s’agit sans aucun doute d’un forum de qualité et de prestige pour les professionnels de la neuropsychologie.

D’autre part, notre recherche utilise une technologie perturbatrice en neuropsychologie, basée sur des données du monde réel, ce qui nous a considérablement pénalisés. En particulier, l’un des évaluateurs était très exigeant et rigide, et il nous a été très difficile de publier nos résultats dans cette revue. Mais c’est un risque que nous avons décidé de prendre, car d’une certaine manière, notre stratégie était que si une revue établie dans la communauté publiait notre travail, la communauté des praticiens et des chercheurs serait plus réceptive à notre méthodologie.

Pourquoi les données du monde réel sont-elles une technologie perturbatrice ?

Je voudrais tout d’abord souligner ce que sont les données du monde réel (Real World Data, RWD) et pourquoi elles diffèrent de la méthodologie typique de la recherche clinique. Les données du monde réel sont des données collectées en dehors de l’environnement contrôlé d’une étude clinique, comme c’est le cas dans la pratique clinique quotidienne ou la recherche clinique traditionnelle.

Les RWD mélangent des données provenant de dossiers médicaux électroniques, de plateformes en ligne, d’enquêtes, de l’assurance maladie, entre autres. Contrairement aux données collectées dans le cadre d’études cliniques contrôlées, qui sont très peu généralisables à d’autres populations que celles étudiées, la RWD peut fournir une vision plus précise et généralisable du comportement d’un traitement ou d’une intervention dans la population réelle.

Les inconvénients sont que le RWD est très hétérogène et nécessite l’utilisation de technologies non traditionnelles plus agiles telles que l’apprentissage automatique ou l’intelligence artificielle.

La RWD est une technologie disruptive car elle donne accès à un grand volume de données et à une grande variété de patients, ce qui permet de mieux caractériser les populations et de mieux comprendre les interactions entre les traitements et les comorbidités.

Elle peut également aider à identifier de nouvelles indications thérapeutiques et à évaluer la sécurité et l’efficacité des traitements dans un contexte plus proche de la pratique clinique réelle.

D’un autre côté, elle est confrontée à de nouveaux défis, tels que la complexité accrue de la collecte et du nettoyage des données, l’analyse des données elles-mêmes, un contrôle moindre des facteurs de confusion et une législation qui n’est pas conçue pour la RWD, avec des problèmes récurrents en matière de confidentialité et de sécurité des données.

Comment les troubles cognitifs ont-ils été mesurés dans votre étude ?

Dans notre étude, les troubles cognitifs ont été définis à partir des données de la population sur les performances obtenues en complétant le matériel d’entraînement cognitif de NeuronUP. En fait, dans des cohortes de plusieurs dizaines de milliers de participants, nous pouvons définir ce qui est normal et ce qui est déficient simplement en définissant les percentiles des scores de chaque patient par rapport à la population.

La performance de chaque participant est mesurée par le score NeuronUP, le score que nous utilisons pour mesurer la progression des utilisateurs dans NeuronUP. Il s’agit d’un indice compris entre 0 et 100, différent pour chaque participant et calculé à l’aide d’une formule qui combine les scores corrects, le temps nécessaire pour effectuer le test et le niveau de difficulté du test. Le score NeuronUP est un nouvel indice quantitatif qui simplifie les performances des participants et facilite les comparaisons dans le suivi, en permettant la modélisation des données longitudinales d’un même participant et en obtenant des trajectoires précises des performances individuelles.

Comment pensez-vous que votre étude pourrait contribuer à une meilleure compréhension des causes des troubles cognitifs ?

Il s’agit d’une question très ambitieuse à laquelle nous ne connaissons pas encore la réponse. Pour expliquer les causes des troubles cognitifs, nous devrions étudier les facteurs génétiques et environnementaux liés à cette affection. Nous devrions également nous pencher sur les différentes formes de déficience cognitive, telles que la démence, et sur les différences entre les causes sous-jacentes de chaque type.

En outre, il convient de caractériser les modifications des fonctions cérébrales, cognitives et neuropsychologiques entre les personnes atteintes ou non de troubles cognitifs, ainsi que leurs particularités dans des populations spécifiques, telles que les personnes âgées ou les personnes souffrant de certains troubles médicaux sous-jacents, afin d’identifier les facteurs de risque spécifiques à cette pathologie.

En outre, nous devrions également caractériser les interventions thérapeutiques et leur efficacité dans l’amélioration ou la prévention des troubles cognitifs. S’il est vrai que des recherches supplémentaires sont encore nécessaires dans ce domaine, notre article utilisant les scores RWD et NeuronUP constitue un bon point de départ et motive la nécessité de mener d’autres études à l’avenir en utilisant le score NeuronUP et des cohortes spécifiques pour faire avancer ce problème.

Comment pensez-vous que vos résultats pourraient être utilisés pour améliorer les soins médicaux dispensés aux personnes atteintes de troubles cognitifs ?

Les études quantitatives visant à prédire avec une grande précision le déclin cognitif dans la population générale jusqu’à 12 mois avant qu’il ne se produise sont très utiles, par exemple pour identifier plus tôt les personnes qui risquent de développer un déclin cognitif.

Cela permettrait d’intervenir rapidement pour retarder le déclin, de concevoir des programmes de prévention et de traitement personnalisés pour les personnes présentant un risque accru de déclin cognitif, de suivre l’évolution des personnes atteintes de déclin cognitif dans le temps pour évaluer l’efficacité des traitements, d’identifier les facteurs de risque modifiables et de développer des interventions pour réduire le risque de déclin cognitif, ou d’aider les cliniciens à prendre des décisions éclairées sur le traitement des personnes atteintes de déclin cognitif.

Quelles sont les mesures prises pour poursuivre la recherche au sein de l’unité R&D&I de NeuronUP ?

Nous avons commencé à travailler sur cette unité en 2018 avec un financement du Centre espagnol pour le développement de la technologie industrielle (CDTI), qui dépend du ministère de la Science, de l’Innovation et des Universités, et de l’Agence de développement économique de La Rioja ADER, ainsi que du financement propre et interne de NeuronUP.

Pendant cette période, nous avons réussi à optimiser de nombreux aspects de la collecte, de l’ingénierie et du suivi des données, ainsi que de la quantification et de la visualisation, ce qui représente une grande valeur pour les cliniciens.

En outre, nous avons commencé à travailler avec plusieurs centres de recherche de premier plan dans le monde (nationaux et internationaux), dans le cadre de différents projets de recherche, tels que la détection des valeurs aberrantes et leur suivi dans la population générale, la validation du score NeuronUP à l’aide de tests neuropsychologiques standard, ou la classification des trajectoires de chaque participant en fonction de leur performance NeuronUP.

Il ne fait aucun doute que dans les années à venir, nous serons en mesure d’offrir de nouvelles fonctionnalités à partir des données à l’usage des cliniciens.

Pour plus d’informations sur l’étude publiée, consultez l’article suivant :