MeReSy

MeReSy

Médecine des Réseaux et des Systèmes

L’initiative MedReSyst vise à fournir des outils, des données et des prototypes cliniques permettant aux entreprises du secteur (e-health et pharma) ainsi qu’au secteur de la santé en Wallonie d’innover pour la mise en place de workflows hospitaliers de la médecine des réseaux et des systèmes. Les outils et données seront mis à disposition des partenaires industriels via une « Smart-Platform » permettant le prototypage rapide en utilisant les outils existants et en développement (TRAIL-Factory, biobanques, CyberWal…).

Fiche projet:

L’espérance de vie élevée dans notre pays ainsi que le changement de nos habitudes de vie au cours des cent dernières années provoquent une augmentation de la prévalence de certaines pathologies complexes devenues majoritaires : pathologies cardio-vasculaires, cancers, métaboliques (diabètes), neurologiques (p.ex. maladies de Parkinson et d’Alzheimer), psychiatriques et maladies inflammatoires. L’augmentation des coûts liés à ces pathologies est insoutenable pour notre système économique et notre système de santé, ce qui met en péril le droit fondamental que sont les soins médicaux de qualité pour tous.

La solution à ce problème consiste à développer une médecine de précision basée sur :

  1. L’acquisition de données multimodales sur les patients, données biologiques (ADN, ARN, protéome et métabolome), exposomiques (facteurs d’environnement auxquels le patient a été exposé), cliniques et d’imagerie via l’organisation de cohortes spécifiques en interaction avec les grandes biobanques internationales.
  2. Le développement par la médecine des réseaux et des systèmes et l’intelligence artificielle de modèles permettant l’explication de la pathogenèse.
  3. La mise au point de diagnostics et de traitements hautement personnalisés basés sur ces données et ces modèles, ainsi que leur intégration dans les workflows cliniques.

Cette médecine de précision permet un traitement plus précoce et plus efficace de ces maladies, entraînant ainsi une réduction importante de coûts et une meilleure qualité des soins.

La collection de masses de données et la mise au point de modèles par l’intelligence artificielle (IA)IA a démontré son efficacité pour un certain nombre de pathologies dans des environnements stricts et bien contrôlés que sont certains hôpitaux universitaires. Cependant, des publications récentes montrent que ces modèles d’IA échouent lors de leur déploiement dans des workflows cliniques moins contrôlés. Un premier enjeu auquel s’adresse MedReSyst est donc la mise au point de méthodes (modèles et IA) qui permettent le déploiement d’une médecine de précision dans un écosystème complet de santé, incluant les hôpitaux périphériques, de manière à en faire bénéficier l’ensemble d’une population. MedReSyst s’appuiera pour se faire sur le concept de coalitions apprenantes. Au travers de ce mécanisme, les experts interagissent en continu avec le modèle IA. Les données et annotations fournies sont régulièrement révisées par les pairs, selon l’évolution des patients et les cas rencontrés. Cette approche innovante contribuera à mettre en place des processus où le numérique et le personnel soignant se renforcent l’un l’autre dans un cercle vertueux, ainsi qu’à établir une confiance vis-à-vis de l’intelligence artificielle dans le secteur médical.

Un deuxième enjeu majeur auquel s’adressera MedReSyst concerne la mise au point des collectes des données spécifiques nécessaires aux modèles de la médecine des réseaux et des systèmes. Ces données doivent provenir d’un accès aux larges biobanques internationales mais également de la constitution des cohortes régionales spécifiques régionales. Au niveau Européen, l’initiative « 1+ million de génomes » (1+MG) vise à permettre un accès sécurisé à la génomique et aux données cliniques correspondantes dans toute l’Europe pour une meilleure recherche, des soins de santé personnalisés et l’élaboration de politiques de santé. La Wallonie via MedReSyst deviendra un partenaire actif de cette initiative et sera à même d’enrichir et de mieux utiliser les données disponibles sur ce réseau.