Trouver ATLANTIS : identification de l'instAbiliTé de la pLaque Athérosclérotique à l'aide de techNiques d'apprenTISsage en profondeur

1. RÉSUMÉ DU PROJET

Chaque 9 minutes, un/e Canadien/ne souffre d’un accident vasculaire cérébral (AVC). La formation de plaques d’athéromes instables dans l’artère carotidienne est l’un des principaux facteurs étiologiques causant les AVC. Pour la prévention d’AVC, les lignes directrices actuelles recommandent une intervention chirurgicale des plaques, basée uniquement sur le degré de sténose de l’artère causé par la plaque. Cependant, il est de plus en plus reconnu que la sténose seule est un déterminant incomplet du risque d’AVC, car elle ne reflète pas réellement le degré d’instabilité de la plaque, menant alors à des décisions médicales sous-optimales et à une prise en charge inappropriée. Des efforts de recherches récents ont démontré que la morphologie et la composition des plaques sont des indicateurs plus précis de l’instabilité des plaques. Par conséquent, une caractérisation de la morphologie/composition des plaques instables pourrait conduire à une stratification plus précise des patients à haut ou à bas risque d’AVC pour aiguiller la prise en charge et les traitements. Cependant, il n’existe actuellement aucun outil clinique précis pour caractériser la morphologie/composition et l’instabilité des plaques de manière noninvasive.

Afin de combler ce manque de connaissances, notre équipe, composée des groupes intersectoriels provenant des sciences de la santé et des sciences naturelles et génie, s’est mobilisée pour développer une nouvelle plateforme logicielle quantitative basée sur l’intelligence artificielle (IA) pour révolutionner la caractérisation noninvasive des plaques d’athérome et fournir un score précis de l’instabilité des plaques (p. ex., le risque d’AVC).

Notre projet combine l’expertise de leaders en athérosclérose et en médecine vasculaire (Dr Daskalopoulou), en traitement du signal et en apprentissage en profondeur (Dr Psaromiligkos), en biostatistique (Dr Moodie), ainsi qu’en innovation technologique de la santé (M. Khan et Dr Gasbarrino). Nous possédons la base de données la plus importante et la plus diversifiée en son genre en Amérique du Nord (dérivée de >630 patients), constituée d’images de plaques (histologiques et échographiques), de caractéristiques cliniques et de résultats de tests sanguins. Les données seront utilisées pour développer, entraîner et valider nos algorithmes d’apprentissage en profondeur qui 1) quantifieront les caractéristiques des plaques athérosclérotiques à partir des images échographiques des plaques et 2) fourniront un score de risque d’AVC global qui combinera les caractéristiques des plaques échographiques et les données cliniques des patients. Finalement, les algorithmes d’apprentissage en profondeur seront intégrés dans une interface pour utilisateurs de haute qualité.

Nous allons développer la première plateforme basée sur l’IA (SonoPlaque) qui aura le potentiel d’être déployée dans la pratique clinique afin de parvenir à une détection précoce, une prévention efficace et une meilleure gestion des maladies athérosclérotiques  « instables ». Finalement, elle servira d’outil de diagnostic assisté par ordinateur qui pourra éclairer les processus de décision clinique; elle améliorera le diagnostic des patients présentant des plaques stables/instables. En outre, elle pourra identifier le point critique lors duquel les plaques deviennent instables et risquent de se rompre. Cela permettra 1) une stratification plus précise du risque, 2) une meilleure sélection des patients pour les interventions chirurgicales/médicales, et 3) un suivi précis de l’efficacité des traitements anti-athérosclérotiques.

Appel à proposition