Skip to main content

Integration and analysis of heterogeneous big data for precision medicine and suggested treatments for different types of patients

Article Category

Article available in the folowing languages:

Une analyse fondée sur l’intelligence artificielle des mégadonnées pour la médecine de précision

Lorsqu’il s’agit des soins de santé, l’approche universelle ne s’avère pas toujours efficace. Pour soutenir les efforts mondiaux vers une médecine personnalisée, iASiS a développé une plateforme d’intelligence artificielle (IA) qui intègre et analyse des données hétérogènes issues de différentes sources.

Santé

L’analyse des mégadonnées dans le secteur des soins de santé, y compris des informations sur les patients, les données omiques et les images, pose un défi de taille. En dépit des progrès technologiques en matière de collecte des mégadonnées, les infrastructures pour intégrer et explorer des données sont à la traîne. Afin d’améliorer les décisions et l’élaboration de politiques en matière de soins de santé, il s’avère nécessaire de transformer les mégadonnées en informations exploitables.

Une plateforme fondée sur l’IA pour l’analyse de données

L’initiative iASiS, financée par l’UE, a rassemblé des experts issus de cinq pays, travaillant dans les domaines de la médecine, de la génomique, des neurosciences et de l’IA, pour mettre au point une plateforme destinée à l’analyse de données. «Avant et pendant iASiS, diverses technologies fondées principalement sur des données génétiques ont été développées pour la médecine personnalisée. iASiS est allé au-delà de ces technologies de pointe afin de fournir un cadre générique pour intégrer de nombreux types différents de données», explique George Paliouras, coordinateur d’iASiS et directeur de recherche au Centre national de recherche scientifique «Demokritos», en Grèce. Les chercheurs d’iASiS ont conçu une plateforme conviviale qui intègre des données issues de différentes sources, telles que des dossiers de patients hospitalisés, des bases de données génétiques et de la littérature, pour élaborer le graphique de connaissances iASiS. Ce graphique relie diverses informations au sein d’une vaste structure en réseau, permettant ainsi la découverte de modèles intéressants et de connaissances exploitables. En utilisant le graphique de connaissances, les chercheurs et les décideurs politiques du secteur médical peuvent évaluer une hypothèse intéressante ou dévoiler des associations totalement nouvelles. Par exemple, l’administration combinée de médicaments pour les patients atteints d’un cancer présentant une mutation spécifique peut être liée au pronostic de la maladie, ce qui suggère la personnalisation du traitement.

Mettre à l’épreuve la plateforme iASiS

Le cadre iASiS a été testé et optimisé pour répondre aux besoins de ses utilisateurs. Il a été conçu pour aider les professionnels de la santé à prendre des décisions personnalisées sur le diagnostic, le pronostic et le traitement des patients. En outre, il apporte des recommandations à partir de l’analyse et de l’intégration de différents types de données. Dans le cadre du projet, la technologie iASiS a été appliquée et testée pour deux maladies importantes, le cancer du poumon et la démence, où le traitement personnalisé s’avère essentiel. Le diagnostic de la maladie d’Alzheimer à un stade précoce représente un défi médical important. «En combinant les données issues des antécédents du patient (âge, sexe, tabagisme, consommation d’alcool) avec tout résultat de tests de mémoire potentiellement disponibles, la plateforme iASiS peut aider les médecins à déterminer le pronostic le plus probable pour un patient donné», souligne George Paliouras. Par conséquent, le soutien et le suivi rapides des patients se dérouleraient au besoin, améliorant ainsi leur qualité de vie globale.

Répercussions translationnelles d’iASiS

De nombreuses idées intéressantes de recherche, issues du projet iASiS, se sont traduites par des prototypes aboutissant au dépôt de deux brevets. Une technologie qui utilise le langage oral pour fournir des indices précoces de l’apparition de la maladie d’Alzheimer est actuellement développée sous la forme d’un produit par la jeune entreprise LangAware. Les chercheurs ont identifié des indicateurs de prédiction potentiels pour la maladie d’Alzheimer, pour l’efficacité du traitement, ainsi que des biomarqueurs de la toxicité pour le cancer du poumon. La nouvelle plateforme translationnelle P4-LUCAT est en cours de développement; elle aidera les oncologues à proposer le meilleur traitement pour les patients atteints d’un cancer du poumon. Cette technologie sera mise en œuvre à l’hôpital Puerta de Hierro Majadahonda, en Espagne. «Dans l’ensemble, iASiS a démontré comment l’IA peut exploiter les mégadonnées afin de soutenir les décisions médicales pour chaque patient», conclut George Paliouras. À long terme, il envisage d’étendre la plateforme à d’autres maladies, un processus qui a déjà commencé pour la COVID-19.

Mots‑clés

iASiS, plateforme, mégadonnées, IA, cancer du poumon, maladie d’Alzheimer, médecine personnalisée, intelligence artificielle

Découvrir d’autres articles du même domaine d’application