Une nouvelle approche visant à préserver la vie privée a recours à des notes médicales d’hôpitaux pour raffiner les prédictions et le pronostic des patients atteints de cancer au fil du temps
Source : Université de la Californie à San Francisco et IR-CUSM. Une nouvelle étude publiée le 22 juillet dernier dans Nature Cancer illustre la façon dont un cadre d’application d’intelligence artificielle peut intégrer des dossiers médicaux électroniques longitudinaux à des données réelles et contribuer à améliorer et personnaliser les traitements contre le cancer. Avec des collaborateurs d’autres centres de recherche canadiens, américains et européens, Jan Seuntjens, Ph. D., de l’Institut de recherche du Centre universitaire de santé McGill (IR-CUSM), fait partie du consortium international qui met en œuvre cette nouvelle approche, avec ses anciens boursiers postdoctoraux Martin Vallières, Ph. D., maintenant à l’Université de Sherbrooke, et Avishek Chatterjee, Ph. D., maintenant à l’Université de Maastricht.
« Nous avons présenté les résultats de la première approche longitudinale pour le traitement du langage naturel de notes médicales non structurées et nous avons démontré sa capacité à mettre à jour et améliorer un modèle de pronostic au fil du temps, au fur et à mesure que la maladie oncologique d’un patient apparaît », déclare Olivier Morin, Ph. D., chef de projet et chef du service de physique du Département de radio-oncologie de l’Université de Californie à San Francisco (UCSF).
Catherine Park, M.D., co-auteure principale et directrice du Département de radio-oncologie à l’Université de Californie à San Francisco, ajoute : « Avec ces données, nous avons été en mesure de valider des résultats d’études cliniques publiées en utilisant des données réelles; par exemple, l’impact positif de l’immunothérapie sur le cancer du poumon. De plus, il existe des occasions excitantes pour générer des hypothèses en fonction des associations de profils de santé de patients individuels et des facteurs de risque. »
Le consortium a créé une infrastructure sécuritaire, dynamique et extensible qui est continuellement en mode apprentissage intitulée MEDomics, conçue pour capturer de l’information de santé électronique multimodale de façon continue, incluant de l’imagerie, à travers un vaste système de santé multicentrique. L’équipe a créé cette animation pour expliquer le concept.
Le professeur Phillippe Lambin, auteur principal et directeur du département de médecine de précision à l’Université de Maastricht, ajoute : « L’infrastructure de MEDomics nous a permis de valider plusieurs nouvelles hypothèses cliniques comme l’importance de la morbidité cardiovasculaire pour les résultats des traitements contre le cancer. »
Une partie du code est de source libre et l’équipe de collaborateurs aimerait élargir le consortium international. Elle encourage les parties intéressées à visiter le www.medomics.ai.
« Notre vision est de créer une plateforme numérique de source ouverte pour intégrer tous les développements de MEDomics et grâce à laquelle le personnel clinique et les chercheurs pourront aborder une grande variété de problèmes oncologiques en utilisant l’IA », explique Olivier Morin.
Jan Seuntjens ajoute : « Les données de santé électroniques multimodales vivent actuellement dans plusieurs systèmes distincts dans le système de la santé. Cette étude montre l’énorme potentiel de l’intégration des données de santé réelles multimodales, qui permet l’apprentissage continu tout en capturant et en intégrant simultanément les dossiers cliniques longitudinaux. Nous espérons tirer profit de cette technologie pour favoriser la mise en place d’une grande variété d’études dans les centres de soins canadiens. »
Lire la publication dans Nature Cancer et les commentaires de chercheurs du Memorial Sloan Kettering Cancer Center dans le même numéro.
Contact media:
Olivier Morin, Ph. D.
Olivier.Morin@ucsf.edu
5 août 2021