2 octobre 2025
Artificial Intelligence in Depression–Medication Enhancement (AID-ME): A Cluster Randomized Trial of a Deep-Learning–Enabled Clinical Decision Support System for Personalized Depression Treatment Selection and Management.
Le Dr David Benrimoh et ses collaborateurs – dons des chercheurs du Douglas, les Drs Manuela Ferrari et Anthony Gifuni – ont récemment évalué l’intégration de l’intelligence artificielle dans la prise en charge de la dépression. Leur étude, publiée dans The Journal of Clinical Psychiatry, explore comment un système d’aide à la décision clinique basé sur l’IA peut transformer la sélection et le suivi des traitements antidépresseurs.
À retenir
Un système d’aide à la décision clinique (CDSS) alimenté par l’intelligence artificielle (IA) a significativement amélioré les taux de rémission et accéléré l’amélioration des symptômes chez les patients souffrant de trouble dépressif majeur (TDM) modéré à sévère, comparativement aux soins standards basés sur les lignes directrices.
Contexte
Le TDM représente un fardeau mondial pour la santé, et son traitement repose souvent sur une approche par essais et erreurs, ce qui retarde la guérison. Les outils d’IA ont montré leur potentiel pour prédire les résultats des traitements, mais peu ont été testés dans des essais cliniques en conditions réelles. Le CDSS Aifred a été conçu pour soutenir les cliniciens en combinant des probabilités de rémission générées par l’IA pour les antidépresseurs avec des algorithmes de traitement basés sur les lignes directrices et des soins fondés sur la mesure.
Méthodologie
Cette étude multicentrique, randomisée en grappes, a impliqué 47 cliniciens répartis sur 9 sites au Canada et aux États-Unis. Les cliniciens ont été répartis en deux groupes : un groupe actif utilisant le CDSS Aifred et un groupe témoin actif recevant une formation sur les lignes directrices et les données des questionnaires des patients, sans accès au CDSS.
Au total, 74 patients adultes en consultation externe atteints de TDM modéré à sévère ont été recrutés. Tous les patients avaient accès à un portail pour compléter des questionnaires hebdomadaires. Les cliniciens du groupe actif utilisaient le CDSS, qui comprenait :
- Un algorithme clinique basé sur les lignes directrices CANMAT.
- Un module IA prédisant les probabilités de rémission pour 10 antidépresseurs.
- Un tableau de bord pour suivre l’évolution des patients.
Les patients ont été suivis pendant 12 semaines, avec des évaluations à l’inclusion, aux semaines 2, 4–6, 8 et 12. Le critère principal était la rémission, définie par un score MADRS <11 à la fin de l’étude. Les critères secondaires incluaient la réponse aux symptômes (≥50 % de réduction du score MADRS), le taux d’amélioration, l’adhérence au traitement et la sécurité.
Résultats
Sur les 74 patients, 61 ont complété au moins deux évaluations MADRS et ont été inclus dans l’analyse. Le taux de rémission était significativement plus élevé dans le groupe actif (28,6 %) que dans le groupe témoin (0 %), avec une valeur P de .01.
Les patients du groupe actif ont également montré une amélioration plus rapide des symptômes, avec une réduction moyenne du score MADRS de 1,26 point par semaine contre 0,37 dans le groupe témoin (P = .03). La réduction totale du score MADRS entre le début et la fin de l’étude était de 12,0 points dans le groupe actif et de 4,9 points dans le groupe témoin (P = .05), dépassant le seuil de signification clinique.
L’adhérence au traitement était élevée dans les deux groupes (~95 %), et aucun événement indésirable grave n’a été attribué au CDSS. L’engagement des cliniciens et des patients envers la plateforme a été fort tout au long de l’étude.
Interprétation
Le CDSS semble améliorer la prise de décision clinique en fournissant des prédictions personnalisées de traitement et un soutien structuré basé sur les lignes directrices. Malgré des caractéristiques de base similaires et des options de traitement équivalentes, les patients du groupe actif ont obtenu des résultats nettement meilleurs. Ces résultats suggèrent que l’intégration de l’IA dans les pratiques cliniques peut améliorer l’efficacité et la rapidité du traitement de la dépression.
Conclusion
Cette étude fournit des preuves préliminaires prometteuses qu’un CDSS alimenté par l’IA peut améliorer les taux de rémission et accélérer l’amélioration des symptômes chez les patients atteints de TDM modéré à sévère. Bien que limitée par la taille de l’échantillon et une fin d’étude anticipée, les résultats soutiennent la poursuite des recherches et l’adoption clinique potentielle de tels outils.
À propos de l’étude
“Artificial Intelligence in Depression–Medication Enhancement (AID-ME): A Cluster Randomized Trial of a Deep-Learning-Enabled Clinical Decision Support System for Personalized Depression Treatment Selection and Management” une étude, menée par David Benrimoh et coll., a été publiée dans The Journal of Clinical Psychiatry (2025).