L'essentiel en 30 secondes ⚡
Des chercheurs ont utilisé l'IA pour analyser environ 400 000 messages publiés en ligne par des personnes prenant des traitements de la famille des analogues du GLP-1, prescrits contre le diabète et l'obésité. Ils ont relevé des symptômes rapportés de manière inattendue, notamment des modifications du cycle menstruel, des frissons, des bouffées de chaleur et de la fatigue. Les chercheurs précisent eux-mêmes qu'ils ne peuvent pas affirmer que ces traitements en sont la cause.
Des chercheurs ont utilisé l'IA pour analyser environ 400 000 messages publiés en ligne par des personnes prenant des traitements de la famille des analogues du GLP-1, prescrits contre le diabète et l'obésité. Ils ont relevé des symptômes rapportés de manière inattendue, notamment des modifications du cycle menstruel, des frissons, des bouffées de chaleur et de la fatigue. Les chercheurs précisent eux-mêmes qu'ils ne peuvent pas affirmer que ces traitements en sont la cause.
Nous rapportions ce matin les réserves des cliniciens sur l'IA médicale. Voici un usage différent, où l'IA ne décide rien mais écoute.
Pourquoi ce type d'étude est utile
Les essais cliniques qui précèdent l'autorisation d'un médicament ont une limite connue : ils portent sur quelques milliers de personnes, pendant une durée limitée, selon des critères de sélection stricts.
Des effets rares, tardifs, ou propres à certaines populations peuvent passer inaperçus. Ils n'apparaissent que lorsque des millions de personnes prennent le traitement dans des conditions réelles.
Les systèmes de déclaration existants dépendent de ce que les patients et les médecins signalent officiellement, ce qui reste une petite fraction de ce qui est vécu. Beaucoup de gens parlent de leurs symptômes à d'autres patients, en ligne, bien plus qu'à leur médecin.
Analyser ce que les gens écrivent spontanément permet d'accéder à ce réservoir, et c'est une tâche où l'IA apporte quelque chose de réel : lire quatre cent mille messages, repérer des régularités, regrouper des descriptions formulées de mille manières différentes.
Ce que les chercheurs ne peuvent pas conclure
Il faut saluer la manière dont ce résultat est présenté, parce qu'elle est exemplaire. Les chercheurs indiquent explicitement qu'ils ne peuvent pas établir de lien de causalité.
Les raisons sont nombreuses, et elles valent pour toute étude de ce type.
Personne n'est vérifié. On ne sait pas si la personne prend réellement le traitement, à quelle dose, ni si elle a d'autres problèmes de santé.
La population est biaisée. Ceux qui écrivent en ligne ne ressemblent pas à l'ensemble des patients. Ceux qui ont des effets désagréables écrivent davantage que ceux qui n'en ont pas.
Il n'y a pas de groupe de comparaison. Fatigue et bouffées de chaleur sont fréquentes dans la population générale. Sans savoir combien de personnes ne prenant pas ce traitement rapportent les mêmes symptômes, on ne peut rien conclure.
Ce que ce type d'étude produit vraiment 🔍
La bonne manière de lire ce résultat n'est pas « ces traitements provoquent ces symptômes ». C'est « voici des signaux qui méritent une étude rigoureuse ». Ce type d'analyse est un générateur d'hypothèses, pas un instrument de preuve. Il indique où regarder, et c'est déjà beaucoup : sans lui, ces signaux resteraient dispersés dans des forums que personne ne lit systématiquement. C'est exactement la répartition que nous décrivions à propos de la recherche mathématique : la machine propose, une méthode rigoureuse vérifie.
La bonne manière de lire ce résultat n'est pas « ces traitements provoquent ces symptômes ». C'est « voici des signaux qui méritent une étude rigoureuse ». Ce type d'analyse est un générateur d'hypothèses, pas un instrument de preuve. Il indique où regarder, et c'est déjà beaucoup : sans lui, ces signaux resteraient dispersés dans des forums que personne ne lit systématiquement. C'est exactement la répartition que nous décrivions à propos de la recherche mathématique : la machine propose, une méthode rigoureuse vérifie.
La question de la confidentialité
Un point mérite d'être soulevé, même s'il ne remet pas en cause l'intérêt de l'étude.
Des personnes qui décrivent leurs symptômes sur un forum pour échanger avec d'autres patients n'ont pas consenti à ce que leurs messages servent à une recherche. Les données sont publiques, mais publier pour ses pairs et être analysé par des chercheurs ne relèvent pas de la même attente.
La recherche en santé encadre strictement l'usage des données de patients. Les données de santé publiées spontanément en ligne occupent une zone grise que ces méthodes rendent soudain exploitable à grande échelle.
Ce qu'il faut retenir
Cet usage de l'IA en médecine est probablement l'un des plus défendables : elle ne décide rien, elle repère des signaux que les dispositifs existants ne captent pas, et elle les transmet à des méthodes capables de les confirmer ou de les écarter.
Si vous prenez l'un de ces traitements et que vous reconnaissez l'un de ces symptômes, la bonne réaction n'est pas de conclure quoi que ce soit, mais d'en parler à votre médecin ou à votre pharmacien, et de le déclarer via les dispositifs officiels. C'est ce qui permettra, précisément, de transformer une hypothèse en connaissance.