Une médecine personnalisée avec la meilleure protection des données possible

- EN- DE- FR - IT
Des chercheurs suisses, français, allemands et luxembourgeois veulent améliorer la prise en charge des personnes atteintes de maladies auto-immunes grâce à l’intelligence artificielle. L’objectif : permettre des thérapies sur mesure pour la sclérose en plaques, la polyarthrite rhumatoïde et les maladies inflammatoires de l’intestin.

Le même traitement ne fonctionne pas de la même manière pour tout le monde et pour tout le monde. Chaque personne est différente, a une évolution individuelle de la maladie ou réagit différemment à certaines substances actives - avec plus ou moins d’effets secondaires. C’est pourquoi le terme ’Big Data’ attise l’espoir dans le secteur de la santé. L’analyse de grandes quantités de données de patients pourrait apporter de nouvelles connaissances sur qui profite le plus de quelle thérapie.

L’un des grands obstacles est la très grande hétérogénéité des données : les hôpitaux ont parfois leurs propres processus de prélèvement et d’analyse des échantillons ou de prise de mesures. Cela rend les données de différents centres de santé difficilement comparables.

Autre problème : pour rassembler une quantité suffisante de données permettant d’entraîner une intelligence artificielle (IA), il faudrait rassembler les données des patients au-delà des frontières. Cela soulève des inquiétudes quant à la protection des données.

Entraînement décentralisé de l’IA

Le consortium de recherche Clinnova veut surmonter ces obstacles et exploiter le potentiel de l’IA pour la médecine de précision. Pour cela, le projet international suit un concept qui doit garantir la qualité des données et la protection des données : D’une part, les institutions participantes établissent des processus communs afin de collecter une série de données clairement définies au cours des prochaines années. Il s’agit de données cliniques, d’échantillons biologiques tels que le sang et l’urine, de mesures effectuées à l’aide de capteurs numériques et de données d’imagerie médicale. Les chercheurs recrutent à cet effet des patients afin de constituer plusieurs cohortes et de les suivre au cours des prochaines années.

D’autre part, ils développent l’infrastructure numérique pour le ’Federated Learning’ - une formation décentralisée pour l’IA. Le principe est le suivant : Les données de différents centres de santé ne sont pas intégrées dans une grande base de données pour entraîner l’IA. Au lieu de cela, des parties de l’algorithme sont appliquées aux données respectives des différentes institutions. Les données restent décentralisées et l’IA est entraînée à l’aide des paramètres statistiques collectés sur les données.

Récemment, le canton de Bâle-Ville a financé le projet à hauteur de quatre millions de francs. Chaque institution participante doit fournir son propre financement’, explique Cristina Granziera de l’Université de Bâle, qui est responsable du projet Clinnova à Bâle et dirige le domaine de recherche sur la sclérose en plaques au sein de Clinnova. Ce n’est que grâce à ce soutien du canton que nous pouvons participer à ce consortium dont nos patients, l’université et l’hôpital universitaire de Bâle profiteront encore longtemps’. Cristina Granziera représente également la Suisse et Bâle au sein du consortium international de direction de Clinnova.

Prévisions sur l’efficacité et le timing

Le Dr Bram Stieltjes, directeur du réseau de recherche ’Personalized Health Basel’, est convaincu de l’énorme potentiel d’une telle infrastructure numérique pour la médecine personnalisée. Dans le cadre de ’Clinnova-MS’, par exemple, des algorithmes doivent être entraînés afin de générer des solutions thérapeutiques personnalisées pour les patients. La SEP est considérée comme une ’maladie aux mille visages’, car elle peut présenter des évolutions et des caractéristiques très différentes d’un individu à l’autre.

Les données que nous collecterons avec notre cohorte de SEP et leur analyse par IA pourraient par exemple mettre en évidence les caractéristiques associées à la SEP précoce et aux phases de transition vers la SEP progressive", explique Cristina Granziera. Ces connaissances, ainsi que d’autres issues du projet, devraient permettre d’accompagner encore mieux les patients à l’avenir, en permettant aux spécialistes de choisir sur cette base les meilleures options thérapeutiques possibles ainsi que le meilleur moment pour le traitement.

Ce projet aura un caractère précurseur pour le domaine de la santé au niveau international’, souligne Andrea Schenker-Wicki, rectrice de l’Université de Bâle. ’Il nous permettra d’utiliser les données numériques de santé de grandes cohortes internationales de patients dans la recherche au moyen de l’IA et de créer ainsi une valeur ajoutée considérable pour la recherche universitaire, l’industrie et la société’.