[Entrevue] L'IA peut "corriger" les traitements de la dépression

La dépression touche plus de 300 millions de personnes dans le monde. Et pourtant le choix de traitement pour chaque patient se fait par un fastidieux processus d’essai-erreur. Pour mettre fin à ce cycle, l’entreprise montréalaise Aifred Health a développé un modèle d’intelligence artificielle qui prédit les chances de succès d’un traitement.

Entretien avec le psychiatre résident David Benrimoh, directeur scientifique d’Aifred Health.

CSIA : Pourquoi est-ce que c’est si difficile de trouver le bon traitement, adapté à chaque patient?

On sait que les traitements contre la dépression fonctionnent, mais les études démontrent que c’est une condition très difficile à traiter. Ce qui marche pour un patient n’est pas garanti de succès pour un autre. Les symptômes sont variés et on a, jusqu’à maintenant, pas de bonne méthode pour sélectionner le bon traitement. On en choisit un et si ça ne marche pas, on le change.

C’est ce que notre modèle d’intelligence artificielle corrige. On arrive à prédire, pour chaque patient, quelles sont les probabilités de succès des divers traitements.

CSIA : Est-ce que l’outil d’Aifred évalue tous les traitements disponibles pour la dépression?

Pour l’instant, on développe la prédiction pour les traitements de pharmacothérapie. Mais, par la suite, on pourra inclure la psychothérapie en plus des médicaments. À terme, notre modèle pourra être appliqué à d’autres conditions en santé mentale comme l’anxiété ou la bipolarité.

« On arrive à prédire, pour chaque patient, quelles sont les probabilités de succès des divers traitements.» – David Benrimoh

CSIA : Concrètement, comment fonctionne votre application?

On a créé un outil d’aide de la décision en trois volets. En premier lieu, il permet au médecin de faire une collecte d’information auprès de son patient pour faire son diagnostic.

On suit ensuite l’évolution des patients qui entrent leurs symptômes dans l’outil chaque semaine. Le médecin a accès à ces données et les patients aussi, ce qui redonne vraiment un sentiment de contrôle aux gens qu’on traite.

Le deuxième volet détaille, pour le médecin, les guides de pratique clinique approuvées et adaptées à leur patient. Notre algorithme permet de les mettre en pratique facilement et de façon très ciblée.

Ensuite, le troisième volet évalue le profil et la situation de chaque patient pour prédire quel traitement a le plus de chance de fonctionner. Ensemble, le médecin et son patient peuvent voir qu’un médicament a 50% de chances de succès alors qu’un autre à 70% de chances de réussite.

CSIA : Comment avez-vous développé votre modèle?

Pour construire le modèle [qui se base sur les méthodes d’apprentissage profond], on a eu accès à plusieurs bases de données d’essais cliniques.

Les données incluent le profil des patients au début du traitement ainsi que les résultats du traitement. Ça nous permet d’évaluer s’il a eu des bienfaits et dans quelles conditions, incluant les variables sociodémographiques.

La qualité de données a des répercussions éthiques et cliniques, notre modèle est donc basé uniquement sur des données vérifiées scientifiquement. Sans compter que nous sommes indépendants, nous ne recevons pas de financement de compagnies pharmaceutiques.

CSIA : Où en est le développement de l’outil et quand pouvons-nous penser qu’il sera prêt pour une utilisation à grande échelle?

Le volet de prédiction clinique basé sur l’intelligence artificielle est réglementé par Santé Canada. On s’apprête actuellement à lancer notre essai clinique final en vue d’une approbation.

C’est un processus qu’on a entamé il y a trois ans. Au départ, on fait une étude dans un centre de simulation avec 20 médecins pour évaluer comment ils allaient interagir avec l’outil et avec des patients.

Comme ça s’est bien passé, on est passé à une deuxième étude, cette fois dans trois cliniques du Québec.

Notre troisième étude est plus large. On teste l’utilisation de notre outil en le comparant à un groupe de contrôle. Ça nous permettra d’évaluer dans quelle mesure on augmente l’efficacité médicale des traitements. Ensuite, on prévoit un essai clinique aux États-Unis.

CSIA : Vous utilisez vous-même l’outil dans votre pratique, avez-vous vu une différence?

Oui! En plus de la sélection d’un traitement adapté, les patients bénéficient vraiment d’avoir plus de contrôle sur leur situation. Je vous donne l’exemple d’une de mes patientes qui souffre de dépression avec beaucoup d’anxiété. Avec l’outil, elle remplit un questionnaire chaque semaine à la maison pour évaluer ces symptômes.

Une semaine, elle m’a appelé pour me dire que son anxiété avait augmenté et qu’elle était inquiète. On a pu voir que, de manière générale, le traitement fonctionnait bien et que son anxiété avait diminué de façon significative, même si elle avait vécu un pic d’anxiété la semaine précédente.

On a donc évalué si un événement ponctuel aurait pu causer cette augmentation de façon transitoire, ce qui était le cas. On a pu s’ajuster rapidement et un changement de traitement n’était pas la solution.