Photo par Ben Hershey

Autrefois considérées comme une blessure à court terme, les commotions sont aujourd’hui perçues comme un problème de santé chronique. Elles peuvent laisser chez les individus des effets durables sur les signaux électriques du cerveau qui peuvent persister pendant des années après la commotion cérébrale initiale. Pourtant, les médecins, qui s’appuient sur leurs propres observations et témoignages anecdotiques des patients, sont généralement incapables de déterminer le degré de détérioration. 

Maintenant, un nouvel article, « Des statistiques au niveau de groupe à la prédiction sur un seul sujet : détection par apprentissage automatique des commotions cérébrales chez les athlètes retraités », par une équipe de chercheurs de l’Université McMaster, incluant les affiliés postuniversitaires du Vector Institute Rober Boshra, Kiret Dhindsa et Omar Boursalie; les affiliés du corps professoral de Vector John Connolly, Jim Reilly, Ranil Sonnadara, Thomas Doyle et Reza Samavi; et son collaborateur Kyle Ruiter, offre le potentiel d’identifier ces effets même des décennies après une blessure, avec l’aide de l’apprentissage automatique (ML).

L’article développe une étude antérieure réalisée par le groupe en collaboration avec The Hamilton Spectator. Cette étude a démontré la persistance de déficits dans les réponses aux signaux cérébraux chez un groupe de joueurs retraités de la Ligue canadienne de football (LCF). En utilisant le même ensemble de données, l’équipe a développé un algorithme d’apprentissage automatique capable de détecter les effets des commotions cérébrales chez des joueurs individuels (plutôt que chez le groupe dans son ensemble) jusqu’à trois décennies après les faits. Le taux de précision de 81% de la méthode dépasse tous les outils cliniques actuellement disponibles et a le potentiel d’aider les personnes mal diagnostiquées ou ignorant la gravité de leur blessure.

Beaucoup de résultats d’apprentissage automatique sont le produit d’une « boîte noire », ce qui signifie que les chercheurs sont incapables d’expliquer comment l’algorithme est arrivé à ses conclusions. Cependant, l’étude a aussi pu démontrer non seulement si quelqu’un avait été commotionné, mais aussi quelles réponses cérébrales spécifiques étaient à l’origine de la commotion. Cela a non seulement aidé à valider l’application clinique de l’apprentissage automatique, mais a aussi permis d’identifier un signe auparavant non documenté de commotion cérébrale dans le cerveau.