Une revue exhaustive trace la voie vers ce que la psychiatrie pourrait enfin diagnostiquer avec justesse

CAMBRIDGE, Cambridgeshire, ROYAUME-UNI, 10 mars 2026 — Il y a des paradoxes qui s'installent si profondément dans une discipline qu'on finit par ne plus les voir. Une revue exhaustive sur invitation, publiée aujourd'hui dans Brain Medicine, affronte l'un des plus tenaces de la médecine moderne : la psychiatrie demeure la seule grande discipline clinique qui diagnostique des maladies complexes principalement par la conversation et des listes de symptômes, tandis que des spécialités comme l'oncologie et la cardiologie ont adopté depuis longtemps les marqueurs biologiques, l'imagerie et le profilage moléculaire. La revue, rédigée par le Dr Jakub Tomasik, Jihan K. Zaki et la professeure Sabine Bahn au Cambridge Centre for Neuropsychiatric Research de l'Université de Cambridge, synthétise les recherches émergentes en cadres conceptuels, science des biomarqueurs, phénotypage numérique et intelligence artificielle pour esquisser une voie translationnelle vers une approche diagnostique psychiatrique à la fois plus solidement ancrée dans la biologie et plus utile en clinique.

Pourquoi le système actuel ne suffit pas

La question semble presque trop simple. Si un cardiologue peut mesurer les taux de troponine et un oncologue séquencer une tumeur, pourquoi un psychiatre dépend-il encore de demander à un patient s'il s'est senti triste pendant deux semaines ? La réponse, expliquent les auteurs, réside dans la nature même des systèmes diagnostiques actuels. Le Manuel diagnostique et statistique des troubles mentaux et la Classification internationale des maladies ont rendu service à la psychiatrie en standardisant le langage clinique et en améliorant la fiabilité diagnostique. Mais ces cadres ont été façonnés par le consensus d'experts plutôt que par la découverte des mécanismes sous-jacents aux maladies. Ils saisissent des configurations symptomatiques, non une hétérogénéité biologique.

Les conséquences sont loin d'être abstraites. Le trouble dépressif majeur, note la revue, peut être diagnostiqué à travers plus de 250 combinaisons symptomatiques possibles. Deux patients partageant le même diagnostic peuvent présenter des tableaux cliniques entièrement différents. La comorbidité est omniprésente : beaucoup d'individus remplissent les critères de plusieurs troubles, de façon simultanée ou au fil de leur vie. Et les seuils qui séparent la maladie de la normalité restent, selon les auteurs, largement arbitraires, fondés sur la convention plutôt que sur la preuve biologique.

« Bien que le DSM et la CIM fournissent un cadre essentiel pour la classification psychiatrique, ils ne parviennent pas à saisir la véritable nature des maladies mentales », a déclaré la professeure Sabine Bahn, auteure correspondante de la revue et directrice du Cambridge Centre for Neuropsychiatric Research à l'Université de Cambridge. « Ces systèmes manquent d'une base biologique solide, produisent des catégories très hétérogènes et partiellement chevauchantes, imposent des seuils arbitraires et reposent sur des jugements subjectifs qui varient d'un clinicien à l'autre. Ce qui est peut-être le plus préoccupant, c'est que les étiquettes diagnostiques ne prédisent souvent ni le pronostic ni ne guident un traitement efficace. »

Repenser l'architecture de la maladie mentale

Peut-on imaginer le diagnostic psychiatrique autrement ? Plusieurs innovations conceptuelles suggèrent que oui. La revue examine quatre grands cadres qui remettent en question les définitions fondées sur des listes de vérification : les modèles en réseau, qui traitent les symptômes psychiatriques comme des systèmes en interaction plutôt que comme des reflets passifs d'un trouble sous-jacent ; la Hierarchical Taxonomy of Psychopathology (HiTOP), qui organise la psychopathologie en dimensions hiérarchiques fondées sur les données ; les Research Domain Criteria (RDoC), qui redéfinissent les troubles mentaux en termes de mécanismes neurobiologiques et psychologiques sous-jacents ; et le stadification clinique, qui introduit une dimension temporelle en suivant la progression de la maladie depuis la vulnérabilité précoce jusqu'à la maladie chronique.

Aucun de ces cadres n'est un produit achevé. Les structures en réseau, note la revue, ne se répliquent souvent pas d'un échantillon à l'autre. La complexité du HiTOP limite sa mise en œuvre clinique. Le RDoC a été critiqué pour avoir négligé les dimensions sociales et contextuelles de la santé mentale. Et la stadification clinique est entravée par des frontières de stade imprécises et par le fait inconfortable que beaucoup de troubles mentaux ne suivent tout simplement pas un cours prévisible. Pourtant, pris ensemble, ces modèles représentent un changement fondamental : au lieu de voir les troubles comme des catégories fixes, ils décrivent la maladie mentale comme des systèmes dynamiques et multidimensionnels façonnés par des symptômes en interaction, des mécanismes sous-jacents et le développement individuel.

« Ces approches marquent un changement majeur dans notre compréhension de la maladie mentale », a déclaré le Dr Jakub Tomasik, co-auteur correspondant et auteur principal de la revue. « Les cadres que nous examinons ne sont pas des alternatives concurrentes. Ils abordent différents niveaux d'explication. Les approches descendantes fournissent des points de référence cliniquement significatifs, tandis que les stratégies ascendantes visent à découvrir la structure latente et les mécanismes sous-jacents aux syndromes observés. Intégrer les deux peut être essentiel pour traduire les connaissances issues des données en outils cliniquement utilisables. »

Les preuves biologiques qui s'assemblent sous la surface

Que révèle réellement le paysage moléculaire ? La revue balaye un large spectre de la recherche sur les biomarqueurs, depuis les grands consortiums de neuroimagerie jusqu'à la génomique, l'épigénétique, la protéomique et la métabolomique. Les résultats du Consortium ENIGMA montrent que la schizophrénie est associée à un amincissement cortical généralisé, tandis que la dépression majeure présente des réductions plus localisées dans les régions gouvernant la régulation émotionnelle. Les grandes études d'association pangénomique du Psychiatric Genomics Consortium ont identifié des centaines de loci génétiques communs associés à la schizophrénie, au trouble bipolaire et à la dépression majeure, convergeant sur les voies de transmission synaptique et de signalisation calcique. Les analyses multi-troubles révèlent un chevauchement génétique substantiel, avec des corrélations élevées entre la schizophrénie et le trouble bipolaire, et des corrélations modérées avec la dépression.

Cependant, la plupart des biomarqueurs candidats identifiés à ce jour présentent des tailles d'effet modestes, une généralisabilité limitée entre cohortes et restent largement confinés aux contextes de recherche. Cette reconnaissance franche traverse toute la revue. Les scores de risque polygénique expliquent actuellement jusqu'à environ 15 pour cent de la variance de responsabilité pour la schizophrénie et environ 8 pour cent pour la dépression majeure. Une part substantielle de l'héritabilité reste inexpliquée. Comment alors combler ce fossé entre des signaux prometteurs et une utilité clinique réelle ?

Certaines approches ont franchi le seuil de la traduction clinique. La revue met en avant le panel protéomique VeriPsych, développé dans le laboratoire de la professeure Bahn, validé sur plusieurs cohortes internationales et commercialisé aux États-Unis comme test développé en laboratoire pour aider à confirmer une schizophrénie d'apparition récente, bien qu'il ait été retiré ultérieurement en raison de son coût élevé et d'une adoption limitée. Le test sanguin d'édition d'ARN EDIT-B a obtenu le marquage européen CE-IVD comme outil d'aide à la décision pour différencier la dépression bipolaire de la dépression unipolaire, avec un déploiement en France et en Italie. Ce sont des exemples rares de diagnostics moléculaires ayant franchi le pas du laboratoire au chevet du patient en psychiatrie.

Quand votre téléphone devient un instrument diagnostique

Une prise de sang saisit un instant. Un smartphone saisit une vie. Le phénotypage numérique, soutient la revue, prolonge les approches biologiques en abordant les aspects longitudinaux et dimensionnels que les biomarqueurs statiques ne peuvent atteindre. Les données de géolocalisation des smartphones peuvent révéler une mobilité réduite associée à la sévérité dépressive. Les données de sommeil et de veille issues de dispositifs portables montrent que des modifications du rythme circadien prédisent les épisodes thymiques dans le trouble bipolaire : des rythmes retardés précèdent les épisodes dépressifs, des rythmes avancés précèdent les épisodes maniaques. Les enregistrements vocaux révèlent une intonation altérée, un volume vocal modifié et des taux de pauses transformés chez les patients souffrant de dépression. Même les publications sur les réseaux sociaux portent un signal diagnostique : les utilisateurs actifs dans des forums centrés sur la psychose présentent une cohérence du discours nettement plus faible.

L'évaluation momentanée écologique, délivrée par des applications smartphone invitant les individus à signaler leur humeur et leur énergie plusieurs fois par jour, pourrait-elle finalement remplacer l'instantané statique d'un entretien clinique de quinze minutes ? La revue suggère que c'est plausible mais prématuré. La plupart des marqueurs numériques ont été dérivés de cohortes petites ou sélectives, présentent des tailles d'effet modestes et manquent d'une validation robuste. Qu'est-ce qu'il faudrait pour qu'un clinicien fasse confiance à la lecture algorithmique des données téléphoniques d'un patient autant qu'à son propre instinct clinique ? Cette question n'est pas seulement technique. Elle est profondément humaine.

L'intelligence artificielle comme traductrice, non comme oracle

L'apprentissage automatique et l'intelligence artificielle occupent la couche intégrative de la voie translationnelle que décrit la revue. Les architectures transformeurs, fondement des grands modèles de langage tels que ChatGPT et Gemini, offrent une promesse particulière parce qu'elles traitent les données comme des séquences et peuvent modéliser les dynamiques temporelles et les trajectoires longitudinales de la maladie. Des modèles multimodaux combinant génomique, métabolomique, neuroimagerie et texte clinique sont déjà en cours de développement pour les soins de santé généraux, avec des architectures telles que HEALnet, Multimodal Graph Learning et Med-PaLM M montrant une adaptabilité à des types de données divers.

Mais la revue prend soin de séparer l'aspiration de la réalisation. L'utilisation des modèles d'IA en psychiatrie reste largement centrée sur la recherche plutôt que mise en œuvre cliniquement. Deux goulets d'étranglement principaux persistent : la qualité, la disponibilité et la quantité limitées des données, ainsi que l'absence de méthodes robustes pour une intelligence artificielle explicable. Les plus grands ensembles de données psychiatriques publiquement disponibles comprennent généralement moins de 1 000 échantillons. Les données cliniques sont rarement partagées en raison de préoccupations relatives à la confidentialité. Et tant que le raisonnement derrière les décisions psychiatriques basées sur l'IA ne peut pas être rendu transparent et interprétable, leur déploiement fera face à un examen justifié.

« À l'heure actuelle, les modèles d'IA doivent être considérés comme des systèmes d'aide à la décision adjuvants qui complètent le jugement clinique plutôt que comme des instruments diagnostiques autonomes », a déclaré Jihan K. Zaki, co-auteure de la revue et chercheuse au Cambridge Centre for Neuropsychiatric Research et au Melville Laboratory for Polymer Synthesis de l'Université de Cambridge. « La prise de décision en boîte noire en psychiatrie pose des risques significatifs, notamment la stigmatisation, la perte de confiance clinique et la responsabilité médico-légale. Une explicabilité robuste n'est pas optionnelle ; elle est nécessaire pour s'assurer que les prédictions sont fondées sur des signaux valides plutôt que sur des artefacts. »

Les obstacles qu'on ne peut pas faire disparaître par la pensée

L'aspect peut-être le plus précieux de cette synthèse est son refus de survendre. La revue trace un paysage détaillé des défis de mise en œuvre : reproductibilité et standardisation limitées des biomarqueurs, faible généralisabilité de la recherche aux populations cliniques du monde réel, incertitude réglementaire entre pays, biais algorithmique découlant d'ensembles de données d'entraînement homogènes, infrastructure de données fragmentée, résistance des cliniciens à l'adoption et absence de voies de remboursement. Les innovations développées dans des centres académiques bien dotés comme Cambridge peuvent-elles vraiment atteindre une clinique psychiatrique dans l'Afrique subsaharienne rurale ? La revue est honnête : même des tests peu coûteux ou des dispositifs portables risquent d'approfondir les inégalités s'ils sont déployés principalement dans des systèmes de santé bien pourvus ou entraînés sur des populations surreprésentées.

L'apprentissage fédéré, qui permet aux modèles d'IA d'être entraînés sur des ensembles de données décentralisés sans partager les données brutes des patients, offre une voie à suivre. Mais sa mise en œuvre dans le domaine de la santé mentale reste limitée en raison de sources de données non uniformes. Des progrès significatifs, soutiennent les auteurs, dépendront moins de percées algorithmiques singulières que de l'entreprise collective consistant à construire des infrastructures de données transparentes, interopérables et gouvernées selon des principes éthiques rigoureux.

Là où le consensus émerge

Malgré la complexité, la revue identifie des domaines de convergence croissante. Il existe un large accord sur le fait que les frontières catégorielles actuelles ne reflètent pas adéquatement la structure biologique sous-jacente de la maladie mentale. L'architecture génétique partagée entre les conditions psychiatriques est désormais bien établie. La valeur de l'intégration de données multimodales, combinant des marqueurs moléculaires avec des informations numériques et cliniques, est de plus en plus reconnue. Et peut-être le plus important : il existe un consensus sur le fait que les mesures objectives et l'intelligence artificielle doivent servir à renforcer le jugement clinique plutôt qu'à le remplacer, et à consolider la relation thérapeutique qui sous-tend des soins de santé mentale efficaces.

« En combinant les avancées scientifiques et technologiques avec l'expertise clinique, la psychiatrie peut construire un processus diagnostique plus cohérent, plus personnalisé et finalement plus efficace pour améliorer les résultats des patients », a déclaré la professeure Bahn. « Le défi maintenant n'est pas de savoir si nous devons aller dans cette direction. C'est de savoir comment le faire de manière responsable, équitable et en véritable collaboration avec les cliniciens et les patients qui utiliseront ces outils. »

Un domaine à un point d'inflexion

Ce qui ressort de cette synthèse n'est pas une prédiction de transformation imminente, mais une cartographie sobre du territoire qui s'étend entre là où se trouve la psychiatrie et là où elle pourrait arriver. La promesse immédiate est pratique : des marqueurs inflammatoires et métaboliques qui aident à identifier des sous-types de schizophrénie répondant au traitement, des données circadiennes issues de dispositifs portables signalant des épisodes thymiques imminents, des outils d'IA réduisant le délai diagnostique dans les présentations complexes ou à un stade précoce. La vision à plus long terme est plus ambitieuse : des catégories diagnostiques qui évoluent vers des sous-types définis empiriquement reflétant les mécanismes sous-jacents, tout comme la classification fondée sur les biomarqueurs a transformé l'oncologie.

La psychiatrie a-t-elle besoin d'une révolution, ou a-t-elle besoin d'une évolution soigneusement construite ? Cette revue suggère la seconde option. La voie à suivre exige non pas un bond unique mais une accumulation d'outils validés, interprétables et accessibles, pouvant être intégrés sans friction dans les systèmes de santé réels. Le domaine a passé des décennies à générer les matières premières : associations génétiques, configurations en neuroimagerie, signaux numériques, profils moléculaires. Le travail qui reste est intégration, traduction et la tâche peu spectaculaire mais essentielle de la mise en œuvre. Les arbres ont été identifiés. Construire la forêt est la tâche qui nous attend.

Ce travail a été financé par le Stanley Medical Research Institute (numéro de subvention O7R1888) accordé à la professeure Sabine Bahn, et par la bourse de la Fondation Oskar Huttunen attribuée à Jihan K. Zaki.

La revue sur invitation publiée dans Brain Medicine, intitulée « New approaches to enhance the diagnosis of psychiatric disorders », est disponible gratuitement en accès ouvert à partir du 10 mars 2026 dans Brain Medicine au lien suivant : https://doi.org/10.61373/bm026i.0012

La référence complète à des fins de citation est : Tomasik J, Zaki JK, and Bahn S. New approaches to enhance the diagnosis of psychiatric disorders. Brain Medicine 2026. DOI: https://doi.org/10.61373/bm026i.0012. Epub 2026 Mar 10.

À propos de Brain Medicine : Brain Medicine (ISSN : 2997-2639, en ligne et 2997-2647, imprimé) est une revue de recherche médicale de haute qualité publiée par Genomic Press, New York. Brain Medicine est un nouveau foyer pour la voie interdisciplinaire allant de l'innovation en neurosciences fondamentales aux initiatives translationnelles en médecine cérébrale. Le champ de la revue englobe la science sous-jacente, les causes, les résultats, les traitements et l'impact sociétal des troubles cérébraux, dans toutes les disciplines cliniques et à leur interface.

Visitez la Bibliothèque Virtuelle de Genomic Press : https://issues.genomicpress.com/bookcase/gtvov/

Notre site web médias est disponible à : https://media.genomicpress.com/

Notre site web complet est disponible à : https://genomicpress.com/