Grant: CIHR Fellowship
Université de Montréal
$165,000.00
L'apprentissage profond et les sciences omiques dans le combat contre l'infarctus du myocarde
FY 2020-21
Summary
L'intelligence artificielle et les sciences omiques dans le combat contre l'infarctus du myocarde
L'infarctus du myocarde (IM) résulte du blocage d'une artère du cœur, ce qui provoque la destruction d'une partie du muscle cardiaque. Les sciences omiques, qui étudient l'ensemble complexe des molécules qui composent le corps, ont permis de mieux comprendre les maladies, dont l'IM (1). Par ailleurs, des modèles issus de l'intelligence artificielle (IA) ont le potentiel de prédire le risque de certaines maladies, dont l'IM. Toutefois, ces modèles sont difficiles à interpréter puisqu'ils fonctionnent comme des « boîtes noires » : ils génèrent des prédictions ou des recommandations, sans fournir d'explications ni de justifications (2). Or, l'interprétabilité biologique du modèle est essentielle pour le développement de ses applications cliniques. Quelques études font état de l'interprétabilité biologique de méthodes d'IA, mais très peu concernent la santé. L'objectif de ce projet novateur est d'évaluer l'interprétabilité biologique d'une nouvelle méthode d'IA qui utilise des données omiques pour prédire le risque d'IM.
Le projet compte 2000 participants, dont 1000 avec des antécédents d'IM et 1000 sans antécédents d'IM. Les données omiques et cliniques sont disponibles via la Biobanque de l'Institut de cardiologie de Montréal. La méthode d'IA permettra d'intégrer plusieurs données omiques afin de prédire le risque d'IM. Des analyses seront réalisées pour vérifier que la méthode est interprétable d'un point de vue biologique en lien avec le risque d'IM.
Ce projet permettra de mieux prédire le risque d'IM et, ultimement, d'aider au développement de programmes de prévention et de traitement tout en ciblant les populations les plus à risque d'IM. L'interprétabilité biologique de la méthode renforcera la confiance de la communauté médicale face à l'IA et favorisera son application en clinique.
1) Dehghan et al. PLoS ONE 2016.
2) Tobore et al. JMIR Mhealth Uhealth 2019.
Department
Program
CIHR Fellowship
Recipient
Location
Quebec, Canada
Recipient Type
Academia
Type
Grant
Source
CIHR Funding Decisions Database
As published
Id
441230
Name
Tremblay Bénédicte L.
Region
Québec
Country
Canada
Orgtype
Institution Paid; Research Institution
Instname2
Circulatory and Respiratory Health
Theme2
Biomedical
Prcname2
Allied Health Professionals - Fellowships
Projecttitle
L'apprentissage profond et les sciences omiques dans le combat contre l'infarctus du myocarde
Programtype2
Fellowship Programs
Orgnameinp2
Université de Montréal
Cihramount2
$165,000
Cihrequipment2
$0
Programname2
CIHR Fellowship
Keyworddelim
Apprentissage Profond; Bioinformatique; Génomique; Infarctus Du Myocarde; Intelligence Artificielle; Interprétabilité Biologique; Maladies Cardiovasculaires; Métabolomique; Sciences Omiques
Abstract
L'intelligence artificielle et les sciences omiques dans le combat contre l'infarctus du myocarde
L'infarctus du myocarde (IM) résulte du blocage d'une artère du cœur, ce qui provoque la destruction d'une partie du muscle cardiaque. Les sciences omiques, qui étudient l'ensemble complexe des molécules qui composent le corps, ont permis de mieux comprendre les maladies, dont l'IM (1). Par ailleurs, des modèles issus de l'intelligence artificielle (IA) ont le potentiel de prédire le risque de certaines maladies, dont l'IM. Toutefois, ces modèles sont difficiles à interpréter puisqu'ils fonctionnent comme des « boîtes noires » : ils génèrent des prédictions ou des recommandations, sans fournir d'explications ni de justifications (2). Or, l'interprétabilité biologique du modèle est essentielle pour le développement de ses applications cliniques. Quelques études font état de l'interprétabilité biologique de méthodes d'IA, mais très peu concernent la santé. L'objectif de ce projet novateur est d'évaluer l'interprétabilité biologique d'une nouvelle méthode d'IA qui utilise des données omiques pour prédire le risque d'IM.
Le projet compte 2000 participants, dont 1000 avec des antécédents d'IM et 1000 sans antécédents d'IM. Les données omiques et cliniques sont disponibles via la Biobanque de l'Institut de cardiologie de Montréal. La méthode d'IA permettra d'intégrer plusieurs données omiques afin de prédire le risque d'IM. Des analyses seront réalisées pour vérifier que la méthode est interprétable d'un point de vue biologique en lien avec le risque d'IM.
Ce projet permettra de mieux prédire le risque d'IM et, ultimement, d'aider au développement de programmes de prévention et de traitement tout en ciblant les populations les plus à risque d'IM. L'interprétabilité biologique de la méthode renforcera la confiance de la communauté médicale face à l'IA et favorisera son application en clinique.
1) Dehghan et al. PLoS ONE 2016.
2) Tobore et al. JMIR Mhealth Uhealth 2019.
Competitiondate
202012
Approvedterm2
3 yrs 0 mth
Pinamesdelim
Tremblay, Bénédicte L.
Approvedterm
3 ans 0 mois
Cihrcontribution2
~ $165,000~ $0~