Une IA comme nouvel espoir pour les patients atteints d’épilepsie

Cela représente une avancée majeure pour les personnes concernées, pour qui la chirurgie constitue souvent le dernier recours. L’épilepsie est une affection neurologique courante, touchant environ 1 % de la population mondiale et plus de 500 000 patients en France, dont une moitié a moins de 20 ans. Dans la plupart des cas, des médicaments anticonvulsifs permettent de réduire ou d’arrêter les crises. Cependant, environ un tiers des patients sont insensibles aux traitements et vivent avec un handicap quotidien causé par l’épilepsie. Ludovic Gardy, ingénieur au CNRS du Centre de recherche Cerveau et Cognition (CerCo) de Toulouse, a consacré ses travaux de thèse au développement d’une start-up visant à améliorer la situation des patients dits « pharmacorésistants ». Pour ces patients, lorsqu’ils répondent à certains critères, une solution chirurgicale d’ablation de la zone épileptogène dans le cerveau est envisagée en dernier recours (source 1). Cependant, cette option nécessite une hospitalisation longue et complexe. Pour localiser précisément la zone à traiter, les patients doivent être hospitalisés pendant dix à quinze jours afin d’implanter une dizaine d’électrodes intracérébrales, munies de capteurs pour enregistrer l’activité neuronale. Ensuite, les spécialistes doivent analyser et interpréter les montagnes de données issues des électroencéphalogrammes (EEG) afin d’établir un diagnostic. Ce processus colossal et fastidieux peut prendre plusieurs mois.

Les chercheurs peuvent s’appuyer sur différents biomarqueurs de l’épilepsie pour les guider. Les « fast ripples », des oscillations physiopathologiques très rapides, se sont révélées particulièrement efficaces selon les études existantes. Cependant, ces signaux sont si minuscules qu’ils ne sont pas visibles à l’œil nu sur les courbes EEG.

C’est là qu’intervient l’algorithme développé par Ludovic Gardy en collaboration avec ses deux maîtres de thèse, Emmanuel Barbeau du CerCo et Christophe Hurter, chercheur en intelligence artificielle à l’École nationale d’aviation civile (Enac). Non seulement l’algorithme est capable de détecter automatiquement les fast ripples, mais il a également été intégré dans un logiciel permettant une manipulation classique des données. L’ingénieur souligne que cet outil a été testé rétrospectivement sur les EEG de trente patients implantés, et a réussi à localiser précisément les fast ripples dans les zones déterminées par les spécialistes, grâce à leurs biomarqueurs classiques visibles à l’œil nu. De plus, ce processus qui prenait auparavant plusieurs mois peut désormais être accompli en quelques jours seulement.