Selon des chercheurs, l'intelligence artificielle (IA) pourrait permettre d'identifier le risque de rechute dans l'alcool après un traitement.
L'IA pourrait aider à repérer le risque de rechute dans l'alcoolisme
Par Robert Preidt HealthDay Reporter
HealthDay Reporter
MARDI, 19 avril 2022 (HealthDay News) -- L'intelligence artificielle (IA) pourrait permettre d'identifier les alcooliques qui risquent de rechuter après un traitement, selon des chercheurs.
Les patients reprennent souvent une consommation excessive d'alcool pendant et après le traitement, et peuvent avoir besoin de plusieurs essais avant de parvenir à une abstinence à long terme de la consommation malsaine d'alcool.
Selon des chercheurs de l'université de Yale, l'IA pourrait permettre aux prestataires de soins et aux patients de prédire les rechutes et d'adapter le traitement avant qu'elles ne se produisent.
Dans une nouvelle étude, les chercheurs ont utilisé des données cliniques et une forme d'IA appelée apprentissage automatique pour développer des modèles permettant de prédire les rechutes chez les patients d'un programme de traitement ambulatoire.
Les données de plus de 1 300 adultes américains participant à un essai clinique de 16 semaines de traitements dans 11 centres ont été utilisées pour développer et tester les modèles de prédiction.
Les patients ont été assignés de manière aléatoire à l'une des neuf combinaisons de médicaments ou de thérapie comportementale, et les données sur leurs résultats ont été utilisées pour "entraîner" les algorithmes d'apprentissage automatique.
L'objectif était de créer un ensemble de modèles capables de prédire les rechutes de consommation excessive d'alcool (quatre verres ou plus par jour pour les femmes et cinq verres ou plus pour les hommes) à trois moments différents : au cours du premier mois de traitement, au cours du dernier mois de traitement et entre les séances de traitement hebdomadaires ou bihebdomadaires.
Sous la direction de Walter Roberts, professeur adjoint de psychiatrie à l'école de médecine de Yale, les chercheurs ont constaté que les modèles obtenus permettaient de bien prédire les rechutes et qu'ils étaient susceptibles d'être plus précis que les cliniciens pour identifier les patients qui risquent de recommencer à boire beaucoup et qui pourraient bénéficier d'interventions supplémentaires pendant le traitement.
Les résultats de l'étude ont été publiés le 14 avril dans la revue Alcoholism : Clinical and Experimental Research.
Dans les modèles, les informations les plus importantes pour prédire les rechutes comprenaient des facteurs tels que les taux d'enzymes hépatiques et l'âge du début de la dépendance à l'alcool, ainsi que les scores des patients aux enquêtes d'autoévaluation, notamment celles relatives aux comportements de consommation et aux symptômes psychologiques.
Tous ces facteurs peuvent être obtenus relativement facilement et à peu de frais pendant le traitement de l'alcoolisme, ont noté les auteurs de l'étude.
Ils ont également déclaré que les modèles montraient des différences dans l'importance des facteurs prédictifs spécifiques chez les hommes et les femmes, ce qui correspond à des recherches antérieures montrant des différences entre les sexes dans les liens avec la consommation nocive d'alcool.
Pour en savoir plus
Pour en savoir plus sur le traitement des problèmes d'alcool, voir le site du National Institute on Alcohol Abuse and Alcoholism des États-Unis.
