Les outils d'IA gagnent du terrain en neurologie pour la détection de l'épilepsie et le soutien clinique

L'intelligence artificielle fait progresser la pratique de la neurologie sur plusieurs fronts, de la détection des premiers signes d'alerte de l'épilepsie cachés dans les données d'ondes cérébrales à la réduction de la charge de travail des cliniciens grâce à des outils d'écoute ambiante et d'aide à la décision clinique. Ces avancées ont été mises en évidence lors de recherches récentes et de discussions dans de grands congrès de neurologie.

Dans une étude de preuve de concept publiée dans le Journal of Neural Engineering, des chercheurs de l'Université du Delaware ont démontré qu'un algorithme d'apprentissage automatique peut identifier des anomalies EEG subtiles liées à l'épilepsie génétique même en l'absence de crises visibles. L'algorithme traite les enregistrements EEG de base comme une langue étrangère, identifiant les schémas électriques se répétant fréquemment et apprenant leur signification structurelle dans le contexte pour signaler des anomalies que les relecteurs humains manquent. Les chercheurs ont testé le système à l'aide d'enregistrements EEG multi-jours sur plus de 40 souris, certaines présentant des variations du gène TSC1 responsables de l'épilepsie. L'approche d'apprentissage automatique a réussi à distinguer les différents backgrounds génétiques et à identifier la présence de la mutation du TSC1 avec une grande précision sur deux souches de souris sur trois, uniquement à partir des ondes cérébrales de base. L'équipe transite désormais la méthode vers la clinique pour analyser des enregistrements EEG plus courts chez des enfants en cours d'évaluation épileptique au sein de Nemours Children's Health, avec le soutien du Delaware Clinical and Translational Research ACCEL Program.

Lors du congrès annuel 2026 de l'American Academy of Neurology, des experts ont présenté les applications cliniques immédiates de l'IA en neurologie, notamment les outils d'écoute et de transcription ambiante, l'aide à la décision clinique améliorée par l'IA dans les dossiers médicaux électroniques, l'assistance logicielle en imagerie, et le recrutement pour les essais cliniques basé sur le traitement du langage naturel pouvant identifier des patients éligibles à partir de données non structurées. La technologie d'écoute ambiante peut réduire de manière significative la charge de travail des cliniciens, y compris le « temps pyjama » passé à achever des dictées après les heures de travail. Un système de santé a indiqué avoir accès à un nouveau système d'IA qui s'appuie sur le contexte des données passées d'un patient pour aider les cliniciens à raisonner dans des diagnostics complexes. L'IA soutient également l'analyse en neuroimagerie et permet une personnalisation dynamique du contenu éducatif pour les étudiants en médecine.

Les experts ont souligné que les cliniciens doivent conserver leur jugement indépendant lors de l'utilisation d'outils d'IA. « Toutes les personnes que je connais prônent une approche « homme dans la boucle » ou « clinicien dans la boucle » pour la prise de décision », a noté un neurologue. Le principe « garbage in, garbage out » s'applique — si les données d'entrée ne sont pas fiables, l'IA peut produire de mauvaises réponses, et les cliniciens experts conservent un rôle essentiel pour le dépannage. Les cliniciens restent responsables des décisions et diagnostics qu'ils prennent.

Le potentiel de l'IA pour soutenir le recrutement et l'engagement dans les essais cliniques a été identifié comme particulièrement prometteur, car une grande partie des données patient pertinentes reste non structurée. L'IA utilisant le traitement du langage naturel peut lire ces données non structurées et générer des listes réalistes de patients pouvant remplir les critères d'éligibilité des essais. Dans le domaine de la formation médicale, les étudiants utilisent déjà directement des agents d'IA pour expliquer des concepts difficiles ou présenter des informations sous différents angles.