Dépistage précoce de la maladie de Parkinson avec l’IA : le sourire comme biomarqueur numérique

La doctorante Marta Arbizu Gómez explique dans cet article la récente étude «Détection de la maladie de Parkinson par IA à partir de vidéos de sourires», qui présente le sourire comme biomarqueur numérique pour la maladie de Parkinson.

Pourquoi avons‑nous besoin de méthodes de dépistage accessibles pour la maladie de Parkinson ?

La maladie de Parkinson (MP) est le trouble neurodégénératif qui connaît la plus forte croissance au niveau mondial, touchant chaque année davantage de personnes et ayant un impact profond sur les patients, leurs familles et les systèmes de santé.

Le diagnostic actuel dépend de symptômes moteurs tels que le tremblement et la raideur, qui se manifestent généralement à des stades avancés, lorsque la perte de neurones dopaminergiques est déjà significative. S’ajoute à cela la difficulté d’accéder à des neurologues spécialisés, notamment dans les zones rurales ou dans les pays à ressources limitées.

Disposer d’un outil simple, abordable et applicable à distance permettrait :

• Détecter des signes précoces de la maladie et faciliter des interventions précoces.
• Élargir la portée du dépistage dans les populations ayant un accès difficile aux spécialistes.
• Réduire les coûts et les barrières logistiques, en tirant parti d’appareils du quotidien tels que les smartphones ou les webcams.

Comment la recherche a‑t‑elle été menée ?

Une étude récente publiée dans NEJM AI propose d’utiliser l’intelligence artificielle (IA) pour analyser des vidéos de sourires afin d’identifier d’éventuels cas de maladie de Parkinson.

Les chercheurs ont recruté 1 452 participants de différentes régions du monde, y compris les États‑Unis et le Bangladesh. Parmi eux, 391 personnes avaient la maladie de Parkinson (300 diagnostiquées cliniquement et 91 autodiagnostiquées).

Chaque personne a enregistré de courtes vidéos réalisant trois expressions faciales : sourire, surprise et dégoût. À partir de ces vidéos, des caractéristiques faciales clés ont été extraites à l’aide d’outils avancés tels qu’OpenFace et MediaPipe. Parmi les caractéristiques d’intérêt figurent l’ouverture de la bouche, l’activation des muscles faciaux et les mouvements des sourcils.

Avec les données obtenues, des modèles d’apprentissage automatique (modèles HistGradientBoost) ont été entraînés pour distinguer les personnes atteintes de Parkinson de celles qui ne le sont pas, en se concentrant sur l’analyse du sourire.

Quelles sont les principales révélations des résultats ?

Les résultats ont été particulièrement prometteurs pour les raisons suivantes :

• Précision globale en validation interne : 88 %.
• Sensibilité (capacité à détecter correctement les cas de MP) : 77 %.
• Spécificité (capacité à exclure correctement les cas sans MP) : 91 %.
• Valeur prédictive négative (VPN) : 93 % (très utile pour exclure la maladie).

Lors des tests externes, réalisés aux États‑Unis et au Bangladesh, la précision variait entre 80 % et 85 %, restant compétitive par rapport à la performance atteinte par certains spécialistes.

Un fait intéressant est que le sourire s’est avéré être l’expression la plus discriminante, devant la surprise et le dégoût. De plus, l’analyse n’a pas montré de biais significatifs liés au sexe ni à l’origine ethnique dans la majorité des jeux de données.

Par conséquent, l’utilisation des expressions faciales dans le dépistage de la maladie de Parkinson peut représenter un outil utile.

Quelles implications pour la pratique clinique ?

L’étude démontre le potentiel de l’IA pour transformer le dépistage précoce de la maladie de Parkinson. Parmi les applications mises en avant :

• Dépistage à distance et accessible : les personnes vivant en zones rurales ou sans accès à un neurologue pourraient enregistrer une simple vidéo depuis chez elles et obtenir une évaluation préliminaire.
• Désengorger les consultations spécialisées : prioriser les orientations vers la neurologie pour les cas présentant une probabilité plus élevée de maladie.
• Suivi complémentaire : bien que cela ne remplace pas un diagnostic clinique, cela pourrait servir de suivi additionnel dans des programmes de télémédecine.

Comment cette avancée se lie‑t‑elle à NeuronUP ?

Chez NeuronUP, nous développons des programmes de stimulation et de rééducation cognitive basés sur des preuves scientifiques. Intégrer des technologies qui analysent des biomarqueurs numériques tels que l’expressivité faciale ouvre la porte à :

• Personnalisation des interventions en fonction du degré d’atteinte motrice et cognitive.
• Détection précoce, permettant de démarrer plus tôt des programmes de rééducation et d’en maximiser l’efficacité.
• Intégration multidisciplinaire, combinant évaluation digitale et stimulation cognitive pour une prise en charge plus complète et continue.

Conclusion

Le sourire, geste universel et apparemment simple, peut devenir un outil puissant pour détecter précocement la maladie de Parkinson grâce à l’intelligence artificielle. Cette approche pionnière rapproche le diagnostic de davantage de personnes et jette les bases d’un avenir où la technologie et la rééducation travaillent de concert pour améliorer la qualité de vie des personnes vivant avec cette maladie.

Bibliographie

• Adnan T, Islam MS, Lee S, et al. AI-Enabled Parkinson’s Disease Screening Using Smile Videos. NEJM AI. 2025;2(7). doi:10.1056/AIoa2400950.

Si vous avez aimé cet article de blog sur le sourire comme biomarqueur numérique pour la maladie de Parkinson, ces articles de NeuronUP pourraient vous intéresser :