Biomarqueurs numériques multimodaux pour l’identification d’outils de diagnostic compagnons dans les maladies cardiovasculaires.

Date

Partagez l'article

Défi :  La faible efficacité du traitement est en partie due à l’hétérogénéité de la maladie et de la population. Les individus ne répondent pas de la même façon au traitement et peuvent avoir des trajectoires cliniques très différentes et difficiles à prévoir. Afin d’améliorer l’efficacité des traitements, il convient d’envisager des approches de médecine de précision. Une sélection raffinée de la population peut contribuer à enrichir la population étudiée d’un essai clinique, augmentant ainsi les effets absolus de l’essai. Par conséquent, un diagnostic complémentaire peut aider à identifier les personnes qui (1) présentent un risque accru d’événements cardiovasculaires, (2) sont susceptibles de bénéficier d’un traitement.

Solution : En utilisant des approches prédictives basées sur l’intelligence artificielle (IA) et une plateforme propriétaire, l’équipe a l’intention de : (1) identifier les sujets qui sont peu susceptibles, (2) identifier les sujets qui sont susceptibles, s’ils ne sont pas traités, de développer un événement cardiovasculaire sévère dans un avenir proche (2 prochaines années), et (3) identifier un sous-groupe d’individus qui sont plus susceptibles de bénéficier d’un traitement. La prise en compte de modalités multiples peut fournir des informations précieuses et l’utilisation d’approches d’apprentissage automatique est très bien adaptée à ce type de tâches complexes où nous devons prendre en compte la relation et l’interaction de multiples points de données d’un sujet pour prédire sa réponse au traitement.

Réalisations attendues/Impact : A l’issue du projet, il est prévu qu’un outil d’enrichissement du pronostic soit développé, sur la base de l’IA et de données multimodales, qui permettra de prédire les sous-populations présentant un risque plus élevé d’événements cardiovasculaires. Déployé dans le contexte des essais cliniques, cet outil permettra d’affiner le recrutement des patients, augmentant ainsi les effets absolus de l’essai. Mené par Perceiv Research, ce projet est un excellent exemple de l’applicabilité des approches prédictives basées sur l’IA à la médecine de précision. Le succès du projet apportera de la visibilité à Perceiv Research qui prévoit également de commercialiser ses biomarqueurs numériques via sa plateforme auprès de sponsors pharmaceutiques, conjointement avec l’ICM. DalCor Pharma bénéficiera également du projet puisque les outils, utilisés comme diagnostic compagnon et stratégie d’enrichissement, pourraient être appliqués pour ses propres essais cliniques.

Chercheur principal :
Christian Dansereau
Perceiv Research Inc.
Co-investigateursJean-Claude Tardif
Institut de Cardiologie de Montréal 
Projet en cours
570 000 $ / 1,5 an 
Soutenu par le CQDM à travers :
– IME
Et par des partenaires de cofinancement
– DalCor Pharmaceuticals Canada Inc.
Scroll to Top