Un outil de simulation et de prévision pour les cliniciens en pédiatrie
L'intérêt politique et scientifique croissant envers le vieillissement actif et en bonne santé se fait-il au détriment de la santé des enfants? Le professeur Bruno Dallapiccola, directeur scientifique de l'OPBG et coordinateur du projet, estime certainement que c'est le cas. Avec un consortium de 22 organisations de toute l'Europe, et avec l'appui du professeur Edwin Morley Fletcher, président de Lynkeus et directeur de projet, il a passé ces quatre dernières années à développer un référentiel numérique avancé (infostructure) intégrant des données comme l'analyse clinique, génétique et métagénomique, l'IRM et l'analyse ultrasonique, l'hémodynamique, le traitement en temps réel des paramètres musculosquelettiques et les données biomécaniques des fibres. Cette plateforme permet aux cliniciens de chercher des similarités avec leurs propres patients, d'accéder à des simulations et prévisions à base de modèle, et de chercher des flux de travail clinique centrés sur le patient. «Notre idée découlait du besoin d'optimiser les traitements existants en direction d'une approche clinique prédictive et personnalisée, permettant de prévoir les résultats des interventions cliniques et de les personnaliser en fonction des paramètres physiologiques d'un patient particulier. L'objectif ultime est de réduire les erreurs médicales et les traitements peu efficaces, ainsi que de réduire les coûts médicaux dans leur ensemble», explique le Pr Dallapiccola. Constatant que «notre monde est de plus en plus injuste envers les jeunes générations», il observe en outre que les maladies des nourrissons, des enfants et des adolescents constituent un problème de santé publique considérable et sous-estimé. Un problème que s'efforce de surmonter le projet MD PAEDIGREE (Model-Driven European Paediatric Digital Repository). MD PAEDIGREE héberge des données s'appuyant sur des outils analytiques avancés comme l'apprentissage automatique profond ou la recherche de similarité, par exemple pour identifier des modèles communs. À partir de maintenant, les médecins peuvent construire des modèles personnalisés capables de reproduire les paramètres physiologiques individuels d'un patient, que ce soit au niveau préinterventionnel ou comme résultat d'une intervention clinique donnée, et de catégoriser les patients en fonction du risque de maladie. «L'utilisation de ces outils minimisera les risques d'erreur médicale et améliorera l'efficacité du traitement, réduisant ainsi les risques de complications et de rechute, le temps de récupération et les coûts cliniques», fait remarquer le professeur Morley-Fletcher. Un avenir prometteur Le professeur Dallapiccola est fier des résultats du projet et déclare que les premières réactions des cliniciens impliqués dans le projet ont été très chaleureuses et encourageantes. «Même si l'interface utilisateur n'a pas encore atteint le niveau de maturité exigé pour une intégration transparente dans la pratique clinique quotidienne, les cliniciens ont largement reconnu l'intérêt des solutions technologiques mises en œuvre, en particulier pour les aider dans leurs prises de décision cliniques», explique-t-il. «D'autre part, l'intégration préliminaire d'un modèle dans le flux de travail clinique a été très appréciée, car elle permet un engagement intense des partenaires cliniques à chaque étape de la mise en œuvre du flux de travail piloté par modèle.» Bien que le projet se soit achevé fin février, le référentiel de MD-Paedigree continuera à être alimenté avec des ensembles de données cliniques de routine issues des centres cliniques affiliés, et diverses initiatives de recherche tirent déjà parti de ses résultats. Un projet intitulé CARDIOPROOF a adopté exactement la même infrastructure pour mener ses recherches sur la prédiction à base de modèle en cardiologie, et le projet MHMD a mis en œuvre une plateforme innovante implantée dans l'UE pour partager les dossiers médicaux électroniques de patients en intégrant et étendant l'infrastructure de MD-Paedigree. «Je suis convaincu que plusieurs initiatives de recherche se développeront à partir des résultats du projet, car MD-Paedigree a fourni des outils et des systèmes qui contribueront à ouvrir la voie à une nouvelle ère de la médecine de précision», conclut le professeur Dallapiccola.
Mots‑clés
Référentiel numérique, données cliniques pédiatriques, infostructure, MD PAEDIGREE, patient, traitement, ensembles de données cliniques, CARDIOPROOF, MHMD, dossiers médicaux électroniques
