Grant: Collaborative Health Research Projects
Université Laval
$97,366.00
Prédire l'évolution de l'hépatite C par la fédrération de données et l'intelligence artificielle enjeux éthiques, juridistique, sociaux et de vie privée
FY 2020-21
Summary
Cent cinquante à deux cents millions de personnes dans le monde sont touchées par le virus de lhépatite C (VHC), et 0.6-0.7% de Canadiens présenteraient une forme chronique de la maladie. Son évolution naturelle est majoritairement asymptomatique et se caractérise par une fibrose progressive du foie. La stratégie thérapeutique actuelle sintéresse à la
détermination du stade de fibrose du foie, évaluée de manière optimale par lhistologie obtenue à laide de biopsies hépatiques. Cependant, en raison du caractère particulièrement invasif et parfois risqué de ces biopsies, des approches alternatives ont été développées, comme le fibroscan et le fibrotest. Bien que ces approches soient moins intrusives et moins risquées, elles demeurent toutefois nettement moins efficaces que les biopsies hépatiques. Le défi actuel consiste donc à découvrir une approche qui soit aussi efficace que la biopsie hépatique sur le plan de la détermination du stade de fibrose du foie et aussi sécuritaire et respectueuse de lintégrité physique des patients. Au cours des dernières années, certaines équipes ont développé des algorithmes visant à prédire lévolution de la fibrose et déterminer lindication de traitement. Bien que sécuritaires et respectueux de lintégrité des patients, les outils développés ne sont pas aussi efficaces que la biopsie hépatique. Il convient de souligner que ces algorithmes ne furent généralement nourris que de données biologiques simples; lintégration des génotypes du virus est assez récente, et celle des antécédents et de lhistorique médical demeure exceptionnelle. Des techniques propres à lintelligence artificielle (IA) permettent aujourdhui danalyser ces données hétérogènes et potentiellement de mettre en lumière des patrons qui passent inaperçus dans une approche statistique classique. Nous croyons que lIA, jumelée à des ensembles de données plus exhaustifs, permettra de mieux prédire lévolution de la maladie et mieux cibler les interventions
Program
Collaborative Health Research Projects
Recipient
Location
Quebec, Canada
Recipient Type
Academia
Type
Grant
Source
NSERC's Awards Data
As published
Application id
538805-2019
Name nom
Després, Philippe
Department département
Physique, génie physique et optique
Organization id
51
Institution établissement
Université Laval
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2020
Competition year année de concours
2019
Award amount
97366
Program id
CHRPJ
Program name en
Collaborative Health Research Projects
Program name fr
Projets de recherche concertée sur la santé
Group en
Research partnerships programs
Group fr
Programmes de partenariat
Committee code
360
Committee name en
Collaborative Health Research Projects Selection Panel
Committee name fr
Comité de sélection de projets de recherche concertée sur la santé
Area of application code
9999
Area of application group en
Not available
Area of application group fr
Non disponible
Area of application en
Not available
Area of application fr
Non disponible
Research subject code
3114
Research subject group en
Physics
Research subject group fr
Physique
Research subject en
Biological and Medical Physics
Research subject fr
Physique biologique et médicale
Installment
inst:2 - 3
Partie
2
Nb partie
3
Application title
Prédire l'évolution de l'hépatite C par la fédrération de données et l'intelligence artificielle enjeux éthiques, juridistique, sociaux et de vie privée
Keyword
NSERC
Application summary
Cent cinquante à deux cents millions de personnes dans le monde sont touchées par le virus de lhépatite C (VHC), et 0.6-0.7% de Canadiens présenteraient une forme chronique de la maladie. Son évolution naturelle est majoritairement asymptomatique et se caractérise par une fibrose progressive du foie. La stratégie thérapeutique actuelle sintéresse à la
détermination du stade de fibrose du foie, évaluée de manière optimale par lhistologie obtenue à laide de biopsies hépatiques. Cependant, en raison du caractère particulièrement invasif et parfois risqué de ces biopsies, des approches alternatives ont été développées, comme le fibroscan et le fibrotest. Bien que ces approches soient moins intrusives et moins risquées, elles demeurent toutefois nettement moins efficaces que les biopsies hépatiques. Le défi actuel consiste donc à découvrir une approche qui soit aussi efficace que la biopsie hépatique sur le plan de la détermination du stade de fibrose du foie et aussi sécuritaire et respectueuse de lintégrité physique des patients. Au cours des dernières années, certaines équipes ont développé des algorithmes visant à prédire lévolution de la fibrose et déterminer lindication de traitement. Bien que sécuritaires et respectueux de lintégrité des patients, les outils développés ne sont pas aussi efficaces que la biopsie hépatique. Il convient de souligner que ces algorithmes ne furent généralement nourris que de données biologiques simples; lintégration des génotypes du virus est assez récente, et celle des antécédents et de lhistorique médical demeure exceptionnelle. Des techniques propres à lintelligence artificielle (IA) permettent aujourdhui danalyser ces données hétérogènes et potentiellement de mettre en lumière des patrons qui passent inaperçus dans une approche statistique classique. Nous croyons que lIA, jumelée à des ensembles de données plus exhaustifs, permettra de mieux prédire lévolution de la maladie et mieux cibler les interventions