Optimiser la recherche clinique grâce à l’IA
Prévention des infections à l’hôpital
Les infections nosocomiales (acquises à l’hôpital) touchent 10 à 15% de la population mondiale. Et si l’intelligence artificielle pouvait aider à prévenir et contrôler ces infections? C’est l’objet d’une des recherches de Douglas Teodoro, professeur assistant au Département de radiologie et informatique médicale à l’Université de Genève (UNIGE): «Nous cherchons à prédire le risque d’infection pour chaque nouveau ou nouvelle patiente, en construisant des modélisations représentant son parcours dans l’hôpital. Nous récoltons pour ce faire des données relatives aux lits et locaux occupés, au personnel ayant été en contact avec la personne, etc. L’algorithme gère tout cet historique. La mise en commun de cette masse de données génère de nouvelles informations sur les caractéristiques des patientes et patients infectés. À terme, l’idée est de pouvoir aider les équipes à introduire de nouvelles barrières pour réduire le risque de contamination.»
Prenons un exemple: «Il faut savoir qu’environ 85% des essais cliniques visant la mise au point de nouveaux traitements se soldent par un échec avant d’être approuvés par les agences européenne ou américaine de médicaments», indique Douglas Teodoro, professeur assistant au Département de radiologie et informatique médicale à l’Université de Genève (UNIGE). En cause, entre autres, la présence de failles dans les protocoles de recherche, rédigés par les différents chercheurs et chercheuses impliquées et qui comportent toutes les informations sur la méthode, les objectifs, le déroulement, etc., de l’étude. «Nous disposons de registres où sont répertoriés pas moins de 500’000 essais cliniques ayant ou non abouti. Grâce à des algorithmes, nous pouvons parcourir et analyser rapidement ces bases de données pour évaluer le risque d’échec et identifier quelles parties d’un nouveau protocole posent problème.» Améliorer ces processus pourrait accélérer la mise sur le marché des nouveaux médicaments et réduire par là même leur prix, qui dépend en partie des coûts de la recherche – environ 1,3 milliard de francs pour chaque remède approuvé.
Outil de prédiction
Concernant l’efficacité des médicaments, nous savons qu’elle peut varier en fonction des individus. La création de cohortes homogènes, à l’aide de l’IA, pourrait être utile pour prédire la réponse aux traitements de personnes partageant les mêmes caractéristiques dans un but de médecine personnalisée, explique Douglas Teodoro: «Nous utilisons des algorithmes pour donner une meilleure représentation numérique de chaque personne, de ses caractéristiques de santé, de sa maladie, de sa génétique, de ses antécédents, etc. Les variables sont si nombreuses que même le ou la meilleure des médecins ne peut les assimiler seule.»
Dépister l’insuffisance rénale aiguë
Dans le Service de néphrologie et d’hypertension des Hôpitaux Universitaires de Genève (HUG), une étude sur le rôle de l’intelligence artificielle (IA) dans l’identification des patients et patientes à risque d’insuffisance rénale aiguë pourrait bientôt voir le jour. Aux HUG, quelque 20% des personnes sont concernées. Non soignée, cette maladie est lourde de conséquences: insuffisance rénale chronique, dialyse, allongement du séjour à l’hôpital et mortalité augmentée. «Aujourd’hui, pour la découvrir, il faut expressément la rechercher. Nous recourons pour cela à un système de scores. Mais grâce à l’IA et à ses puissants algorithmes, nous pourrions peut-être mieux identifier les personnes à risque dans tout l’hôpital et appliquer rapidement des mesures de prévention pour éviter les complications», explique la Pre Sophie De Seigneux, médecin-cheffe du Service de néphrologie et d’hypertension des HUG. Plusieurs travaux dans d’autres centres hospitaliers ont montré l’intérêt de l’IA dans ces situations.
________
Article repris du site pulsations.swiss