Grant: Collaborative Health Research Projects (NSERC partnered)
Université Laval
$156,330.00
Prédire l'évolution de l'hépatite C par la fédération de données et l'intelligence artificielle : enjeux éthiques, juridiques, sociaux et de vie privée
EF 2018-19
Résumé
Cent cinquante à deux cents millions de personnes dans le monde sont touchées par le virus de l'hépatite 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 s'intéresse à la détermination du stade de fibrose du foie, évaluée de manière optimale par l'histologie obtenue à l'aide 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 l'intégrité physique des patients. Au cours des dernières années, certaines équipes ont développé des algorithmes visant à prédire l'évolution de la fibrose et déterminer
l'indication de traitement. Bien que sécuritaires et respectueux de l'intégrité 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; l'intégration des génotypes du virus est assez récente, et celle des antécédents et de l'historique médical demeure exceptionnelle. Des techniques propres à l'intelligence artificielle (IA) permettent aujourd'hui d'analyser ces données hétérogènes et potentiellement de mettre en lumière des patrons qui passent inaperçus dans une approche statistique classique. Nous croyons que l'IA, jumelée à des ensembles de données plus exhaustifs, permettra de mieux prédire l'évolution de la maladie et mieux cibler les interventions.
Programme
Collaborative Health Research Projects (NSERC partnered)
Bénéficiaire
Emplacement
Quebec, Canada
Type de bénéficiaire
Academia
Type
Grant
Source
CIHR Funding Decisions Database
Tel que publié
Id
396317
Name
Després Philippe
Region
Québec
Country
Canada
Orgtype
Institution Paid; Research Institution
Partnername
Social Sciences & Humanities Research Council (Ottawa, Ontario); Natural Sciences and Engineering Research Council of Canada (NSERC)
Instname2
Infection and Immunity
Theme2
Social / Cultural / Environmental / Population Health
Prcname2
Collaborative Health Research Projects - NSERC Partnered
Projecttitle
Prédire l'évolution de l'hépatite C par la fédération de données et l'intelligence artificielle : enjeux éthiques, juridiques, sociaux et de vie privée
Programtype2
Operating Grants
Orgnameinp2
Université Laval
Cihramount2
$156,330
Cihrequipment2
$0
Programname2
Collaborative Health Research Projects (NSERC partnered)
Keyworddelim
Apprentissage Automatique; Données Non-Structurées; Dossiers Médicaux Électroniques; Hépatite C; Intelligence Artificielle; Interprétabilité Des Modèles; Maladie À Déclaration Obligatoire; Réseau De Neurones Artificiel; Santé Publique; Vie Privée
Abstract
Cent cinquante à deux cents millions de personnes dans le monde sont touchées par le virus de l'hépatite 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 s'intéresse à la détermination du stade de fibrose du foie, évaluée de manière optimale par l'histologie obtenue à l'aide 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 l'intégrité physique des patients. Au cours des dernières années, certaines équipes ont développé des algorithmes visant à prédire l'évolution de la fibrose et déterminer
l'indication de traitement. Bien que sécuritaires et respectueux de l'intégrité 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; l'intégration des génotypes du virus est assez récente, et celle des antécédents et de l'historique médical demeure exceptionnelle. Des techniques propres à l'intelligence artificielle (IA) permettent aujourd'hui d'analyser ces données hétérogènes et potentiellement de mettre en lumière des patrons qui passent inaperçus dans une approche statistique classique. Nous croyons que l'IA, jumelée à des ensembles de données plus exhaustifs, permettra de mieux prédire l'évolution de la maladie et mieux cibler les interventions.
Competitiondate
201810
Approvedterm2
3 yrs 0 mth
Pinamesdelim
Després, Philippe; Longtin, Jean; BERAUD, Guillaume; Déziel, Pierre-Luc
Approvedterm
3 ans 0 mois
Cihrcontribution2
Major Initiatives #2~ $156,330~ $0~