Avec l'"IA en essaim" contre le COVID et d'autres maladies

La médecine et la recherche produisent de plus en plus de données, ce qui permet de saisir les maladies et les processus sous-jacents de manière de plus en plus détaillée. Dans le labyrinthe de ces informations, on espère trouver les clés de nouvelles thérapies personnalisées, mieux adaptées à chaque patient que les traitements conventionnels. Il s'agit d'un défi à plus d'un titre. "L'analyse de grandes quantités de données nécessite des méthodes informatiques sophistiquées, en particulier dans la boîte à outils de l'intelligence artificielle. En même temps, il n'est pas facile d'harmoniser le traitement des données biomédicales avec les questions d'éthique et de protection des données. C'est notamment le cas lorsque les données ne sont pas disponibles de manière centralisée. Dans de telles circonstances, il est difficile d'y accéder. En effet, la protection et la souveraineté des données imposent des limites strictes à l'échange de données biomédicales au-delà des frontières nationales", explique le professeur Joachim Schultze, membre du consortium de recherche et directeur de la médecine systémique au DZNE. "Dans notre projet, nous recherchons une solution élégante en utilisant l'apprentissage en essaim. Nous avons déjà testé avec succès cette technologie dans le cadre d'études pilotes et nous voulons maintenant la mettre en pratique. Nous avons choisi les infections de rupture COVID comme exemple d'application. En d'autres termes, nous voulons comprendre pourquoi certaines personnes tombent malades à cause d'un coronavirus alors qu'elles sont vaccinées".

Un réseau dans toute l'Allemagne

Des experts de Berlin, Bonn, Giessen, Hambourg, Hombourg, Cologne, Munich et Sarrebruck participent au projet. "Au cours de la pandémie de COVID-19, les membres de notre consortium ont apporté d'importantes contributions à la compréhension de la réponse immunitaire au coronavirus. Nous réunissons à présent cette expérience, cette expertise et l'infrastructure de recherche locale", déclare le professeur Leif Erik Sander, co-présentateur du consortium du projet et directeur du département des maladies infectieuses et de la médecine des soins intensifs à la Charité - Universitätsmedizin Berlin. "La plupart des infections à COVID-19 ont une évolution plutôt bénigne. Cependant, nous avons récemment traité un nombre croissant de patients atteints de COVID-19 dans les unités de soins intensifs. Nous aimerions donc savoir pourquoi une évolution sévère de la maladie se produit à nouveau dans certains cas et si la réponse immunitaire diffère de celle de la primo-infection. Plus important encore, nous voulons étudier les moyens d'améliorer le traitement. Pour aller au fond des choses, environ 800 personnes qui ont été vaccinées contre le COVID-19 et qui tombent encore malades seront examinées dans différents sites. "Afin de recruter rapidement un grand nombre de participants à l'étude, nous travaillons en collaboration. Nous prélevons des échantillons de sang, des échantillons du nasopharynx et des poumons et nous les analysons à l'aide de diverses techniques à haute résolution. Leurs capacités s'étendent jusqu'au niveau des cellules et des molécules immunitaires individuelles. Nous obtenons ainsi une image détaillée de la réponse immunitaire, qui nous montre comment l'organisme réagit au virus au cours des différentes phases de la maladie", explique M. Sander.

L'apprentissage en essaim

L'apprentissage en essaim entre en action lorsqu'il s'agit d'évaluer la masse de données qui en résulte. La technique a été développée par DZNE en collaboration avec l'entreprise informatique Hewlett Packard Enterprise (HPE) et repose sur une combinaison d'IA et de technologie blockchain. Le point fort de Swarm Learning est qu'il exploite de grandes quantités de données distribuées et potentiellement personnelles sans échanger les données réelles : Elles restent locales et confidentielles, conformément à la protection des données. "Tous les partenaires qui apportent leurs connaissances à l'essaim peuvent apprendre les uns des autres sans avoir à transmettre d'informations sensibles. En effet, ce ne sont pas les données réelles qui sont partagées, mais les connaissances dérivées de ces données. Cela simplifie les collaborations scientifiques et les rend plus efficaces", explique Joachim Schulze. Lors de tests, son équipe a pu démontrer l'efficacité de la méthode en utilisant des données dérivées du sang et des images radiographiques des poumons. "Un autre avantage de l'apprentissage en essaim est que tous les membres de l'essaim ont les mêmes droits et bénéficient des mêmes avantages. Contrairement à d'autres technologies qui traitent également des données distribuées, il n'y a pas d'autorité centrale qui contrôle ce qui se passe et les résultats. L'apprentissage en essaim permet d'exploiter le potentiel de l'intelligence artificielle et du big data de manière démocratique."

Aspects éthiques

L'utilisation de l'IA en médecine fait l'objet d'un débat public. Le projet de recherche aborde cette question. "Nous nous adresserons à des groupes de défense des personnes touchées par le COVID et impliquerons dès le départ des professionnels ayant une expertise éthique", explique le professeur Alena Buyx, membre du consortium de recherche et professeur d'éthique en médecine et en technologies de la santé à l'Université technique de Munich. "Bien trop souvent, les aspects éthiques et sociaux ne sont pris en compte qu'à l'issue des innovations techniques. L'équilibre entre la faisabilité technique et les avantages sociaux devrait être évalué au préalable. Notre consortium de recherche se penche sur ce débat.

Protocoles normalisés

L'une des premières tâches des membres du consortium consiste à élaborer des protocoles de mesure et des méthodes de traitement des données normalisés. "Tous les partenaires du projet doivent générer et traiter les données de la même manière. Ce n'est qu'à cette condition que les résultats pourront être comparés d'un site à l'autre. C'est une condition préalable à l'alimentation de l'essaim", explique Joachim Schultze. "Par exemple, il existe différents protocoles pour traiter les échantillons de sang et en isoler les cellules immunitaires individuelles. Il existe également de nombreuses options pour traiter les données brutes provenant directement des appareils de mesure. Nous allons donc mettre au point des procédures normalisées qui seront réellement applicables dans le travail de laboratoire quotidien."

Perspectives mondiales

Dans la perspective des développements futurs, un certain degré de tolérance aux pannes et la définition d'exigences techniques minimales sont également importants, explique M. Schultze. "Nous considérons notre consortium comme un noyau pour des réseaux plus importants qui utilisent l'apprentissage en essaim. Cependant, notre consortium est relativement petit et nous voulons rendre cette technologie plus largement disponible, ce qui ouvrirait un trésor mondial de données pour la recherche et la médecine. Nous devons donc nous assurer que nos protocoles de mesure et de données sont également applicables à plus grande échelle et dans d'autres pays, même si l'infrastructure technique diffère d'un endroit à l'autre". Des partenaires internationaux sont donc prêts à se joindre au projet. Des discussions sont déjà en cours avec des experts d'autres pays européens, des États-Unis, du Japon et de l'Australie. Des cliniques de pays africains devraient également être impliquées. "Notre objectif est de vérifier si l'apprentissage en essaim peut constituer l'épine dorsale d'un système international de recherche et de réaction rapide. Si le concept du COVID-19 s'avère concluant, nous pourrions nous attaquer à d'autres maladies infectieuses. Ce serait un atout dans la lutte contre les pandémies. En outre, l'utilisation de l'apprentissage en essaim est également concevable pour d'autres maladies qui surviennent à l'échelle mondiale. Comme la maladie d'Alzheimer ou la maladie de Parkinson", explique Joachim Schultze.

Membres du consortium de recherche

• Marylyn Addo, Centre médical universitaire de Hambourg-Eppendorf
• Alena Buyx, Université technique de Munich
• Susanne Herold, Hôpital universitaire de Giessen et Marburg
• Florian Klein, Hôpital universitaire de Cologne
• Percy Knolle, Université technique de Munich
• Leif Erik Sander, Charité - Universitätsmedizin Berlin, co-présentateur du consortium
• Martina Sester, Hôpital universitaire de la Sarre
• Fabian Theis, Helmholtz Munich
• Birgit Sawitzki, Charité - Universitätsmedizin Berlin
• Joachim Schultze, Deutsches Zentrum für Neurodegenerative Erkrankungen (DZNE) et Université de Bonn, porte-parole du consortium.