La sclérose latérale amyotrophique (SLA) est une maladie neurodégénérative sans thérapie efficace à ce jour. L’hétérogénéité clinique observée chez les patients rend urgent le développement de modèles de pronostic fiables.

Nous présentons un modèle de pronostic de la perte de motricité de patients atteints de SLA qui prend en considération la variabilité des résultats.

Des données issues d’essais cliniques et de population sur 3756 patients ont servi de base à ces travaux. Les variables utilisées sont l’âge, le sexe, la région d’apparition, la durée des symptômes, le poids, la perte de motricité et l’estimation de la pente de la perte de motricité. Les données sont réduites et projetées dans un espace 2D avec une technique de réduction de dimension non linéaire : Uniform Manifold Approximation and Projection (UMAP).

La projection avec UMAP dans un espace 2D révèle une distribution des patients pertinente au regard de leur perte de motricité à 1 an. L’approche non supervisée est privilégiée, car les données disponibles sont limitées. L’espace de projection est divisé en trois zones, chacune définie par une probabilité de perte de motricité à 1 an. La prédiction de la perte de motricité dépend de l’appartenance à une zone.

L’approche proposée prend en compte l’incertitude des résultats et nécessite un nombre limité de variables, aisément obtenues lors d’une consultation. La méthode est facilement mise à jour et s’améliore avec des données de patients supplémentaires. Ce modèle peut être mis en place dans un cadre clinique pour stratifier des patients selon leur perte de motricité.

Les approches d’apprentissage machine offrent de belles perspectives en matière de modélisation de progression de pathologies.