À l'aide de vastes cohortes issues d'essais cliniques publiés impliquant plus de 8 000 patients atteints de sclérose en plaques, un modèle d'apprentissage automatique probabiliste reconstruit les probabilités de transition à partir d'états de maladie dérivés des données, révélant des modèles qui suggèrent comment la progression vers les stades sévères se produit et la potentialité d'inverser ce processus.