CHRISTIAN DANSEREAU

Des biomarqueurs numériques multimodaux pour l’identification d’outils de diagnostic compagnons pour les maladies cardiovasculaires.

Défi : La faible efficacité des traitements est en partie due à l’hétérogénéité de la maladie et de la population. Les individus ne réagissent pas de la même manière aux traitements et peuvent avoir des trajectoires cliniques très différentes, qu’il est difficile de prévoir. Afin d’améliorer l’efficacité des traitements, des approches de médecine de précision doivent être envisagées. Une sélection affinée de la population peut aider à enrichir la population étudiée dans le cadre d’un essai clinique, en augmentant les effets absolus de l’essai. Ainsi, un outil de diagnostic compagnon 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 prévoit : (1) identifier les sujets qui ont peu de chance, ou (2) qui sont susceptibles, s’ils ne sont pas traités, de développer un événement cardiovasculaire grave dans un avenir proche (dans les 2 ans), et (3) identifier un sous-groupe d’individus qui sont plus susceptibles de bénéficier d’un traitement. La prise en compte de plusieurs modalités peut fournir des informations précieuses. L’utilisation d’approches d’apprentissage automatique est parfaitement adaptée à ce type de tâches complexes qui nécessite de tenir compte de la relation et de l’interaction de plusieurs points de données d’un sujet afin de prédire sa réponse au traitement.

Réalisations/Retombées : À l’issue du projet, il est prévu qu’un outil d’enrichissement pronostique 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 cadre d’essais cliniques, cet outil permettra d’affiner le recrutement des patients, augmentant les effets absolus de l’essai. Dirigé 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 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 outil de diagnostic compagnon et de de stratégie d’enrichissement de patients, pourraient être appliqués à ses propres essais cliniques.

Chercheur principal :


Christian Dansereau
Perceiv Research Inc.

Co-chercheurs

Jean-Claude Tardif
Institut de Cardiologie de Montréal

 

Projet en cours
570 000 $ / 1,5 an
 

Soutenu par CQDM par l’entremise de :
•MEI

Et par des partenaires de financement : 
•DalCor Pharmaceuticals Canada Inc.