Prédire l'évolution de l'hépatite C par la fédrération de données et l'intelligence artificielle enjeux éthiques, juridistique, sociaux et de vie privée

点击翻译按钮获取中文摘要

Cent cinquante à deux cents millions de personnes dans le monde sont touchées par le virus de lhépatite C (VHC), et 0.6-0.7% de Canadiens présenteraient une forme chronique de la maladie. Son évolution naturelle est majoritairement asymptomatique et se caractérise par une fibrose progressive du foie. La stratégie thérapeutique actuelle sintéresse à ladétermination du stade de fibrose du foie, évaluée de manière optimale par lhistologie obtenue à laide de biopsies hépatiques. Cependant, en raison du caractère particulièrement invasif et parfois risqué de ces biopsies, des approches alternatives ont été développées, comme le fibroscan et le fibrotest. Bien que ces approches soient moins intrusives et moins risquées, elles demeurent toutefois nettement moins efficaces que les biopsies hépatiques. Le défi actuel consiste donc à découvrir une approche qui soit aussi efficace que la biopsie hépatique sur le plan de la détermination du stade de fibrose du foie et aussi sécuritaire et respectueuse de lintégrité physique des patients. Au cours des dernières années, certaines équipes ont développé des algorithmes visant à prédire lévolution de la fibrose et déterminer lindication de traitement. Bien que sécuritaires et respectueux de lintégrité des patients, les outils développés ne sont pas aussi efficaces que la biopsie hépatique. Il convient de souligner que ces algorithmes ne furent généralement nourris que de données biologiques simples; lintégration des génotypes du virus est assez récente, et celle des antécédents et de lhistorique médical demeure exceptionnelle. Des techniques propres à lintelligence artificielle (IA) permettent aujourdhui danalyser ces données hétérogènes et potentiellement de mettre en lumière des patrons qui passent inaperçus dans une approche statistique classique. Nous croyons que lIA, jumelée à des ensembles de données plus exhaustifs, permettra de mieux prédire lévolution de la maladie et mieux cibler les interventions