Pro­fesseur des uni­ver­sités en génie infor­ma­tique, Marc Shawky est rat­taché à l’équipe « Soins, Vul­néra­bil­ité et Tech­nolo­gies », anci­en­nement CRI, au sein du lab­o­ra­toire Costech. Il tra­vaille sur le développe­ment d’outils d’aide au diag­nos­tic de la mal­adie de Lyme et à la prise de déci­sion en par­tant du ressen­ti des patients.

« La restruc­tura­tion de notre équipe de recherche souligne plus claire­ment les thé­ma­tiques de tra­vail de l’équipe, en met­tant en exer­gue l’aspect “soin” dans nos approches. Les travaux actuels sur la mal­adie de Lyme s’inscrivent dans le cadre des pro­jets Num4Lyme et Dia­ly­me, financés respec­tive­ment par Sor­bonne Cen­ter for Arti­fi­cial Intel­li­gence (SCAI) de l’Alliance Sor­bonne Uni­ver­sité et par la Région Hauts-de-France », décrit Marc Shawky.

Les recherch­es por­tent sur l’analyse de don­nées mas­sives et sur l’apprentissage automa­tique, ce qui pose le défi non seule­ment de la col­lecte des don­nées mais aus­si de leur sécurité.

Le défi de la col­lecte ? « Au départ, nous pen­sions tra­vailler avec les don­nées de la poly­clin­ique Saint-Côme à Com­piègne. Cepen­dant, non seule­ment la mise en place de la con­ven­tion a pris du temps mais les don­nées disponibles n’étaient pas entière­ment numérisées. Pour gag­n­er du temps, nous avons récupéré les don­nées anonymisées de 450 patients de l’hôpital Mater Mis­eri­cor­diae à Dublin qui cher­chait des parte­naires pour l’évaluation des traite­ments antibi­o­tiques. Cette base de don­nées est très spé­ci­fique en ce sens qu’elle est con­sti­tuée de patients Lyme avant et post-traite­ment. D’autres don­nées issues du réseau améri­cain ILADS, spé­cial­isé dans les patients atteints de patholo­gies vec­to­rielles, sont égale­ment venues com­pléter nos don­nées », explique-t-il.

Celui de la sécu­rité des don­nées ? « N’ayant pas la pos­si­bil­ité, à l’UTC, de faire gér­er par la DSI des don­nées nom­i­na­tives, nous nous sommes ori­en­tés vers des don­nées com­plète­ment anonymisées. Nous avons sol­lic­ité égale­ment l’avis du comité d’éthique de Sor­bonne Uni­ver­sité dont nous dépen­dons en lui four­nissant l’intégralité des traite­ments infor­ma­tiques réal­isés sur ces don­nées ain­si que l’audit de la DSI de l’UTC afin de le ras­sur­er sur les aspects de sécu­rité. Ce qui a don­né lieu à un avis favor­able », précise-t-il.

L’originalité de la démarche de l’équipe de Marc Shawky ? « À Costech, l’analyse de ces don­nées s’inscrit dans la syn­ergie entre les approches “faire soin”, c’est-à-dire fournir un soin médi­cal, et “pren­dre soin”. La ques­tion que nous nous sommes posée dans le pre­mier cas de fig­ure est : qu’est-ce que l’IA peut apporter et quel type d’IA souhaitons-nous utilis­er ? Nous avons dès le départ priv­ilégié le développe­ment de mod­èles cen­trés sur le ressen­ti des patients. En somme que le patient puisse exprimer la patholo­gie telle qu’il la perçoit. Nous tenions à ce que les symp­tômes ou signes clin­iques fassent par­tie inté­grante de l’analyse. Or, ces signes clin­iques sont des élé­ments sub­jec­tifs et peu­vent attein­dre près de 200 paramètres dif­férents aux­quels vien­nent s’ajouter les paramètres biochim­iques d’analyses san­guines et d’autres bilans sérologiques », souligne Marc Shawky.

Des analy­ses qui peu­vent inté­gr­er près de 400 paramètres spé­ci­fiques par patient. « Nous aurons par exem­ple 10 signes clin­iques con­cer­nant les douleurs artic­u­laires ou les céphalées. Ils peu­vent être aus­si d’ordre cog­ni­tif comme les trou­bles de la mémoire, par­ti­c­ulière­ment la mémoire courte. D’autres symp­tômes comme les ary­th­mies car­diaques ou la grande fatigue sont sou­vent invo­qués, aux­quels peu­vent venir s’ajouter d’autres signes en cas de co-infec­tion. En effet, lors de la piqûre de tique, elle peut trans­met­tre la bor­réliose de Lyme mais égale­ment d’autres bac­téries, virus ou par­a­sites », détaille-t-il.

L’analyse de don­nées fait donc appel à l’IA et plus par­ti­c­ulière­ment à l’apprentissage automa­tique, avec des approches capa­bles de com­bin­er des paramètres sub­jec­tifs et d’autres claire­ment numériques. « Au début, l’idée était de dévelop­per un out­il de diag­nos­tic, puis très vite nous nous sommes ren­du compte que fournir un diag­nos­tic posi­tif ou négatif n’était pas effi­cace. Nous nous sommes ori­en­tés vers le développe­ment d’un out­il d’aide à la prise de déci­sion pour le médecin hos­pi­tal­ier. Un out­il doté d’une fonc­tion­nal­ité de cal­cul de prox­im­ité entre les pro­fils des patients. Des opti­mi­sa­tions infor­ma­tiques ont été dévelop­pées pour traiter locale­ment les don­nées sur l’ordinateur du médecin clin­i­cien, en trans­férant unique­ment le code logi­ciel du serveur vers l’ordinateur et non les don­nées patients vers le serveur », assure-t-il.

Con­crète­ment ? « En milieu hos­pi­tal­ier, le médecin va, grâce à cet out­il, sélec­tion­ner dans la base de don­nées les patients qu’il a décidé de traiter car il con­sid­ère qu’il dis­pose d’assez d’éléments probants prou­vant que c’est bien la mal­adie de Lyme. Mais ce même out­il va lui per­me­t­tre égale­ment de cal­culer les prox­im­ités des pro­fils de patients traités avec les autres patients de la base de don­nées, afin de déter­min­er les pro­fils les plus proches et de faire des recom­man­da­tions suiv­ies ou non par le prati­cien », con­clut Marc Shawky.

MSD