StratifyAging

Le domaine de la santé génère une quantité considérable de données susceptibles de générer d’importants progrès grâce à l’intelligence artificielle (IA). Le Health Data Hub (HDH) en France a été créé pour servir de hub national pour ces données. Si, dans quelques domaines choisis, certains progrès d’organisation de ces données en vue de leur utilisation par l’IA ont été réalisés, il reste encore beaucoup à faire. Les hôpitaux investissent actuellement dans la création d’entrepôts de données, mais il faudra du temps pour rationaliser le flux des données de soins vers ces entrepôts et en assurer la qualité. Des efforts de normalisation au niveau national seront en outre nécessaires. Un objectif particulièrement difficile à atteindre est la stratification des populations de patients en groupes homogènes présentant les mêmes mécanismes pathologiques, objectif qui nécessite un niveau élevé de normalisation. Cette stratification permettra de faciliter la conception d’interventions thérapeutiques efficaces. En définitive, une médecine stratifiée participerait à garantir que le bon patient reçoive le bon traitement au bon moment.

L’objectif de StratifyAging est de se concentrer sur l’utilisation de données de qualité supérieure, issues de la recherche clinique, pour faire progresser le domaine de la stratification des patients grâce à des approches fondées sur des hypothèses ou des algorithmes d’IA. En harmonisant et en agrégeant les données de différentes études, le projet ambitionne d’atteindre une taille d’échantillon suffisamment grande pour cette stratification. Ce processus conduirait également, en collaboration avec les sociétés de neuroradiologie et de médecine nucléaire, à l’élaboration de protocoles de neuro-imagerie standardisés, qui pourraient être appliqués en soin courant. En conséquence, un cycle vertueux pourrait être créé, dans lequel les données standardisées du soin courant seraient collectées et analysées via le Health Data Hub et utilisées pour effectuer un suivi de la population et développer des abaques normatifs et des outils d’aide à la décision pour les professionnels de santé.

La France est le seul pays à s’être donné les moyens d’harmoniser la plupart des données de neuro-imagerie produites par la recherche clinique via la plateforme CATI. Le projet StratifyAging entend capitaliser sur cet élément différenciant, en poursuivant les efforts d’harmonisation de la neuro-imagerie, et en accompagnant un processus similaire mené pour les données cliniques, la génétique et les autres omiques.

Tout en poursuivant l’harmonisation des études françaises par groupes de maladies, StratifyAging intégrera dans le processus les grandes études internationales (ADNI, PPMI UKBiobank, etc.) en utilisant des techniques d’harmonisation a posteriori fondées sur des « travelling heads » et des approches algorithmiques. Trois groupes de maladies serviront de cas d’utilisation pour organiser le travail. Ils permettront des expériences de stratification algorithmique avec des approches de pointe. Chacun des pools de maladies correspond à une communauté de recherche très active, qui utilise déjà les services du CATI : la maladie d’Alzheimer et les démences apparentées, la maladie de Parkinson et les maladies apparentées, les maladies monogéniques ou les formes génétiques rares de maladies principalement sporadiques.

Pour chaque communauté, StratifyAging aidera à rendre interopérables les données de neuro-imagerie, omiques et cliniques associées à chaque étude harmonisée. StratifyAging aidera les communautés à rendre leurs données accessibles via des plateformes cloud compatibles avec le RGPD, par exemple aux experts de la science des données du PEPR qui développent des outils innovants pour la stratification multimodale des patients. Les algorithmes d’harmonisation et de stratification seront adaptés à l’organisation fédérée qui en résultera.