L’Intelligence artificielle au service de la santé

Les objectifs du projet

A cette fin il s’agira d’utiliser des méthodes de Machine Learning pour un pronostic précoce, pour aider à l’identification des patients avec une maladie évolutive, et pouvoir mieux adapter leur traitement, d’utiliser des profils omiques de la peau et du sang et valider de nouveaux biomarqueurs prédictifs de l’efficacité des anticorps monoclonaux, d’exploiter les technologies de pointe déjà développées par nos membres pour analyser en profondeur la transition épithélio-mésenchymateuse et son rôle dans la progression de la maladie, et d’accélérer l’accès au marché des nouveaux médicaments candidats pour le lymphome cutané à cellules T.

Il sera fait appel à l’intelligence artificielle afin  :

– de déterminer le(s) biomarqueur(s) optimal(s) à faible dimension, explicable(s) et causal(aux) pour le « phénotypage » des patients atteints de lymphome T cutané, c’est-à-dire le plus petit nombre de biomarqueurs permettant de décrire au mieux la maladie.

– de former, améliorer, valider et tester des signatures de biomarqueurs axées sur le domaine et des algorithmes de stratification des patients associés, en tenant compte de la progression du cancer.

– d’estimer la valeur pronostique et les performances prédictives globales du phénotypage du lymphome cutané à cellules T, ouvrant ainsi la voie à une transposition dans le flux de travail clinique.

Les étapes du projet (volet “IA”)

Tâche 2.1 Extraction de biomarqueurs multidimensionnels pilotée par le domaine pour la caractérisation des patients atteints de CTCL (TheraPanacea)

Objectif : Extraire une signature clinique et histopathologique pour prédire la progression chez les patients atteints de CTCL.

Tâche 2.2 Regroupement de la population de patients/phénotypage en vue d’une progression par groupe ; caractérisation de l’évolution par groupe (TheraPanacea)

Objectif : Déterminer une caractérisation significative de la population malade en sous-groupes de patients avec des modèles de progression cohérents en vue d’un phénotypage explicable des patients atteints de CTCL.

Tâche 2.3 Modèles de progression spécifiques aux patients et prédiction personnalisée des risques (TheraPanacea)

Objectif : Fournir un modèle de notation explicable capable d’évaluer le stade actuel et le stade futur de la progression de la maladie du patient en vue d’une stratification au niveau du patient.