La similarité patient un outil d’aide à la prise de décision
La Pr Anita Burgun est une experte dans la recherche translationnelle en informatique de la santé et a publié récemment plusieurs recherches basées sur la similarité patient, qui est une méthodologie particulièrement utile dans la prise de décision diagnostique et thérapeutique dans le cadre de la médecine de précision.
Les méthodes basées sur la similarité sont des méthodes mixtes qui associent des approches purement numériques et des approches basées sur des connaissances qui sont exprimées dans des structures, soit terminologiques, soit ontologiques, etc. Dans le diagnostic des maladies rares, cette méthode a fait ses preuves. En effet, si on a découvert une mutation pour un certain nombre de patients, il est possible d’analyser via les entrepôts de données si l’on retrouve des patients similaires auxquels une démarche diagnostique peut être proposée.
Pour la prise de décision thérapeutique, les profils de patients similaires à un patient donné vont permettre d’orienter le traitement en fonction de la réponse observée. Ce sont toutes les caractéristiques du patient qui sont traitées afin de comparer ces histoires et définir le meilleur traitement.
Un enjeu majeur est la capacité de représenter la temporalité, et d’extraire l’information temporelle des textes. Ceci constitue un sujet de recherche de l’Institut Imagine. « Dans les maladies rares, la séquence d’arrivée des symptômes est essentielle dans la bonne compréhension d’une pathologie. »
Le social data pour intégrer la vision apportée par les patients
Pour la Pr Anita Burgun les données de social data sont fondamentales pour avoir connaissance de tout ce que les patients, ou les parents des enfants atteints de maladies rares, partagent entre eux. Ces informations supplémentaires peuvent porter sur leur vie quotidienne et leurs priorités, ou encore sur des éléments concernant leur traitement. Il est important que ces données réseaux sociaux soient exploitées avec les associations de patients, « que nous puissions travailler ensemble sur les données qu’ils recueillent et comment on peut intégrer ces données-là dans la définition des priorités, dans les décisions qui sont prises ». Ensuite il est intéressant de pouvoir associer ces données avec ce qu’on est capable d’extraire du dossier patient.
Le partage de modèles et non de données
« L’ontologie, philosophiquement ça peut être extrêmement complexe, mais en pratique, ce sont des représentations conceptuelles du domaine médical. On va s’attacher à définir des concepts qui soient partagés par la communauté médicale. Cela va permettre de relier des bases de données entre elles, en étant en capacité de comprendre ce qu’il y a dans les différentes bases de données et de les réunir conceptuellement. »
Pour exemple, si un critère est appelé A dans une base de données et A’ dans une autre, on va les réunir sous un concept commun afin d’organiser laconnaissance et lesdonnées. Cela permet ensuite de réaliser beaucoup de travaux sur des bases de données distribuées de manière fédérée sans avoir à réunir toutes les données dans un même endroit. Ceci sert de base à l’apprentissage fédéré qui vise à établir des modèles d’intelligence artificielle communs sans transfert de données.
Et quid du jumeau numérique ?
« Un jumeau numérique, tel que ça a été conçu initialement, tel qu’on le voit dans les publications scientifiques, c’est d’abord un modèle. Et un modèle pour les jumeaux numériques développés par la NASA, c’est vraiment un modèle mécanistique et physique de l’objet. » Dans les maladies rares, les modèles sont créés dans les laboratoires de biologie de l’Institut Imagine afin de reproduire in silico le fonctionnement du gène responsable de la pathologie étudiée. Ce jumeau numérique ne consiste pas uniquement à produire des données mais permet d’enrichir et de challenger le modèle initial par les données générées pour chaque patient.
Le mot qui compte d’Anita Burgun
Immortalité. « On est ici pour faire en sorte que les gens vivent. »
