I.A
A partir d’un prélèvement de la tumeur, le biologiste caractérise ses altérations, permettant ainsi d’identifier des cibles thérapeutiques et de proposer un traitement optimisé au patient. L’intelligence artificielle permettra d’optimiser l’analyse et l’interprétation des données provenant du screening moléculaire.
Montant à financer : 300 800 EUR
Financé à :
Pourquoi ?
Au cours des 20 dernières années, la prise en charge médicale des cancers a radicalement changé au profit d’une médecine dite de « précision » ou « personnalisée ». Les traitements par chimiothérapie, à base de molécules cytotoxiques dont les mécanismes d’action sur la tumeur sont peu spécifiques, peuvent de plus en plus être associés ou remplacés par des traitements dit « ciblés » spécifiques de la tumeur, avec pour bénéfice, une amélioration à la fois de l’efficacité, de la tolérance et de la qualité de vie.
Le choix de ces traitements ciblés doit être adapté à chaque patient en fonction des caractéristiques moléculaires et génétiques de sa tumeur (en quelque sorte la carte d’identité génétique de la tumeur), grâce à l’utilisation de techniques innovantes comme le séquençage haut débit.
Compte-tenu de l’élargissement de l’éventail de traitements ciblés disponibles, le nombre de patients pouvant bénéficier de ces analyses s’accroit et la quantité de tumeurs et d’altérations génétiques à étudier pour chaque tumeur s’étend continuellement. L’interprétation du caractère pathogène des variants génétiques par le biologiste ou pathologiste demande beaucoup d’expertise et nécessite d’interroger et d’agréger manuellement de nombreuses sources d’informations externes (bases de données), ce qui est extrêmement chronophage avec potentiellement comme conséquence, un retard dans le rendu du résultat d’analyse et une perte de chance pour le patient.
L’objectif de ce projet est d’améliorer la prise en charge thérapeutique des patients en automatisant l’interprétation des analyses et en optimisant le délai de rendu de résultat afin que chacun puisse bénéficier du meilleur traitement adapté à sa pathologie, dans un délai compatible avec une prise en charge optimale. Il est proposé de développer un outil s’appuyant sur de l’intelligence artificielle qui permettrait de prédire le caractère pathogène des variants génétiques, d’apporter une homogénéité d’interprétation entre les différents laboratoires et d’accélérer le rendu du résultat.
