La détection objective des symptômes de l’addiction : une perspective d’avenir proche ?

Toutes les addictions
Addiction Toutes les addictions - La détection objective des symptômes de l’addiction : une perspective d’avenir proche ?

L’addiction ou trouble de l’usage, peut être considérée comme une maladie chronique de dérégulation de l’usage de substances et de comportements renforçants. Elle s’exprime par des tentatives d’arrêt ou de réduction de l’usage qui aboutissent le plus souvent à la rechute caractérisée par un retour à une consommation problématique. Entre 40 et 90% des patients vivent une rechute selon l’objet de l’addiction (ex : alcool, cannabis, jeux d’argent) et la méthode de traitement (ex : médicament, psychothérapie) (Back et al., 2014). Plusieurs facteurs peuvent précipiter les rechutes, c’est notamment le cas du stress et du craving (Auriacombe et al., 2018). Le craving est une expérience individuelle subjective qui se caractérise par une envie irrépressible de consommer qui survient alors qu’on ne le souhaite pas. Le craving est considéré comme un symptôme majeur de l’addiction puisqu’il prédit la rechute (Serre et al., 2018) : si le patient présente du craving, il a plus de chance de reconsommer dans les heures qui suivent. Le stress est également une expérience subjective définie comme une réaction normale à un environnement perçut comme dangereux ou nuisible (R. Sinha, 2001). Le stress pourrait également favoriser la rechute, notamment en interagissant avec le craving (R. Sinha, 2001). Ainsi, il parait évident et nécessaire d’aider les patients à identifier ces facteurs afin d’améliorer la prise en charge de l’addiction.

Le stress et le craving sont des expériences subjectives, c’est-à-dire qu’elles dépendent de l’interprétation de la personne, de la perception qu’elle a d’elle-même, de ses symptômes ou encore de sa maladie. Certains patients vont avoir la capacité de dire aux professionnels de santé qu’ils ont du craving, mais d’autres ne le pourront pas pour différentes raisons : difficulté de mémorisation et de rappel des épisodes de craving, conscience altérée de l’addiction… (Raftery et al., 2020). Ainsi, pouvoir identifier ces facteurs en dehors de l’interprétation des individus seraient une réelle avancée. Prenons l’exemple du diabète : aujourd’hui, un simple test de la glycémie permet le diagnostic de la maladie. Et si en addictologie, il était possible d’identifier le craving avec la même simplicité ? Le stress et le craving présentent des similitudes dans leur expression biologique : ils augmentent tous deux l’activité du système nerveux sympathique qui contrôle des processus automatiques comme la préparation de notre corps à l’action face à un danger (Sinha et al., 2009). Cette activité peut être facilement mesurable à l’aide de capteurs portables mesurant l’augmentation de la fréquence cardiaque, de la transpiration ou encore des mouvements (Bough & Pollock, 2018). En d’autres termes, ils pourraient être identifiables objectivement !

Dans cette étude, les auteurs  cherchent à détecter et différencier physiologiquement le stress du craving en temps réel pendant 4 jours chez des patients en traitement pour une addiction et (2) d’évaluer leur acceptation de porter un capteur. Ce capteur portable, similaire à une montre, permet d’enregistrer en continu l’activité électrodermale, l’activité cardiaque, et les mouvements. Les patients sont invités à utiliser un bouton du capteur pour signaler quand ils ressentent du craving ou du stress. Le nombre de données physiologiques recueillies est gigantesque : de l’ordre du million. Il est donc difficile pour un humain de tout analyser seul ! Les auteurs ont ainsi fait appel à une technique de Machine Learning. Il s’agit d’une technologie d’intelligence artificielle qui permet à une machine d’apprendre par elle-même grâce un très grand nombre de données. D’abord, on va demander à cette machine, grâce à un algorithme particulier, c’est-à-dire le langage de cette machine, s’il est possible de différencier les épisodes de craving et de stress à partir des mouvements de l’individu ; puis, s’il est possible de distinguer ces épisodes (stress/craving) à partir de toutes les données physiologiques de l’individu : activité cardiaque, de la peau et les mouvements.

Trente patients en traitement pour une addiction aux substances ont participé à cette étude. Âgés en moyenne de 32 ans, ce sont majoritairement des hommes (57%). Ils ont chacun signalé en moyenne 6 épisodes de craving ou de stress. Au total, 1 510 heures de données physiologiques ont été enregistrées pour l’ensemble des patients. L’analyse de ces données montre que les épisodes de stress et de craving peuvent être différenciés, grâce au Machine Learning, à partir des mouvements des patients avec une précision de 74 à 76%. L’ajout des données de l’activité cardiaque et de la peau, en plus des mouvements, augmente cette précision jusqu’à 77%. Par ailleurs, bien que l’apparence du capteur ne soit pas appréciée par les patients (trop gros, comparable à un dispositif de surveillance judiciaire…), il a eu un effet bénéfique sur eux. Le capteur leur permet d’être conscient de leurs épisodes de stress et de craving et de les accepter, ce qui est considéré comme aidant pour la majorité des patients.

Cette étude représente une réelle avancée dans la recherche en addictologie : il serait possible d’identifier les épisodes de craving sans que le patient n’ait à le dire de lui-même ! D’après les résultats, le craving entrainerait des changements physiologiques assez importants au niveau de l’activité cardiaque, électrodermale et motrice pour être repéré. Bien que ce soit au stade expérimental, on pourrait imaginer, dans le futur, équiper les patients de ce type de capteur qui pourrait à la fois les avertir directement ainsi que les professionnels de santé. Ce type d’intervention précoce, appelé EMI (Intervention Écologique Momentanée) existe dans d’autres domaines de la santé et est actuellement en cours de développement dans des laboratoires de recherches, notamment au laboratoire SANPSY de l’Université de Bordeaux. Ne perdons pas de vue à quoi sert ce type d’études : trouver des solutions pour prévenir la rechute et améliorer la prise en charge des patients souffrant d’addiction. Bien que la recherche scientifique en soit aux prémices de la détection objective de la maladie mentale, à long terme, l’addiction ne pourrait-elle pas être détectable comme d’autres maladies, grâce à des tests physiologiques ? Affaire à suivre…

Analyse d’article scientifique réalisée par Emmanuelle BAILLET, doctorante en neurosciences encadrée par le Pr Marc AURIACOMBE, au laboratoire SANPSY CNRS USR 3413, Université de Bordeaux

Références :

Auriacombe, M., Fatséas, M., Daulouède, J.-P., & Tignol, J. (2018). Le craving et nouvelle clinique de l’addiction : Une perspective simplifiée et opérationnelle. Annales Médico-psychologiques, revue psychiatrique, 176(8), 746‑749. https://doi.org/10.1016/j.amp.2018.08.014

Back, S. E., Gros, D. F., McCauley, J. L., Flanagan, J. C., Cox, E., Barth, K. S., & Brady, K. T. (2014). Laboratory-induced cue reactivity among individuals with prescription opioid dependence. Addictive Behaviors, 39(8), 1217‑1223. https://doi.org/10.1016/j.addbeh.2014.04.007

Bough, K. J., & Pollock, J. D. (2018). Defining Substance Use Disorders : The Need for Peripheral Biomarkers. Trends in Molecular Medicine, 24(2), 109‑120. https://doi.org/10.1016/j.molmed.2017.12.009

Raftery, D., Kelly, P. J., Deane, F. P., Baker, A. L., Ingram, I., Goh, M. C. W., Lubman, D. I., Carter, G., Turner, A., Dean, O. M., Sinclair, B. L., & McKetin, R. (2020). Insight in substance use disorder : A systematic review of the literature. Addictive Behaviors, 111, 106549. https://doi.org/10.1016/j.addbeh.2020.106549

Serre, F., Fatseas, M., Denis, C., Swendsen, J., & Auriacombe, M. (2018). Predictors of craving and substance use among patients with alcohol, tobacco, cannabis or opiate addictions : Commonalities and specificities across substances. Addictive Behaviors, 83, 123‑129. https://doi.org/10.1016/j.addbeh.2018.01.041

Sinha, R. (2001). How does stress increase risk of drug abuse and relapse? Psychopharmacology, 158(4), 343‑359. https://doi.org/10.1007/s002130100917

Sinha, Rajita, Fox, H. C., Hong, K. A., Bergquist, K., Bhagwagar, Z., & Siedlarz, K. M. (2009). Enhanced negative emotion and alcohol craving, and altered physiological responses following stress and cue exposure in alcohol dependent individuals. Neuropsychopharmacology: Official Publication of the American College of Neuropsychopharmacology, 34(5), 1198‑1208. https://doi.org/10.1038/npp.2008.78

 

En savoir plus

À lire aussi