ALGO-IBD
Contexte
Les maladies inflammatoires chroniques intestinales (MICI) correspondent à une inflammation de la paroi du tube digestif affectant aujourd’hui plus de 250 000 personnes en France. Elles comprennent la maladie de Crohn (MC), dont l'inflammation peut être localisée à tous les niveaux du système digestif, et la rectocolite hémorragique (RCH) localisée au niveau du rectum et du côlon. Ne bénéficiant pas de traitement curatif, ces maladies évoluent dans le temps entre périodes de rémission et périodes de poussées inflammatoires, dont les symptômes les plus courants sont des douleurs abdominales et des diarrhées. Dans 20 % des cas, les MICI peuvent causer des manifestations extra-intestinales affectant les articulations, la peau ou encore les yeux.
Principalement diagnostiquées chez les jeunes de 20 à 30 ans, les MICI peuvent survenir à tout âge. Ces maladies sont classées en trois catégories, correspondant à différents stades de la maladie : inflammatoire, sténosant ou perforant. Les cycles d’inflammation peuvent en effet conduire à une sténose digestive (rétrécissement de l’intestin) ou encore à une perforation intestinale pour la maladie de Crohn.
Le nombre de personnes affectées par ces maladies varie d’un pays à un autre, les pays les plus industrialisés étant les plus touchés. Cette différence s’expliquerait par le niveau de développement socio-économique du pays qui entraînerait une exposition aux polluants plus importante et un changement du régime alimentaire.
Le traitement actuel permet de contrôler la maladie en assurant une qualité de vie satisfaisante. Cependant, l’efficacité des traitements diffère selon les caractéristiques de la maladie et les essais cliniques ne disposent pas toujours de la puissance statistique suffisante pour évaluer cette efficacité selon ces paramètres.
Objectif
Le projet ALGO-IBD (Algorithmes d’Identification des Inflammatory Bowel Disease) a pour objectif de développer et valider des algorithmes de ciblage permettant d’identifier les personnes atteintes de MICI dans la base principale du Système National des Données de Santé (SNDS). Différents algorithmes seront créés pour distinguer la localisation, le phénotype, le degré de sévérité de la maladie, ainsi que les manifestations extra-intestinales des MICI. Ils permettront de réaliser des études et de comparer, entre sous-groupes de patients, l’efficacité et la tolérance des traitements utilisés, plus rapidement et à un coût inférieur que lors d’essais cliniques. Les données générées permettront de mieux définir l’usage du traitement afin d’améliorer la prise en charge de chaque patient et d’optimiser les dépenses de santé.
Méthodologie et caractère innovant
A date, il n’existe pas d’algorithme d’identification des caractéristiques et de l’activité de la MICI dans la base principale du SNDS. Ce projet propose de chaîner trois bases de données : la base principale du SNDS, l’entrepôt de données de santé de l’Assistance Publique-Hôpitaux de Paris (EDS AP-HP), et une cohorte prospective de patients atteints de MICI suivis dans des centres de l’AP-HP (SUVIMIC). La base de données SUVIMIC et l’entrepôt de données de santé de l’AP-HP contiennent des données cliniques et biologiques, notamment la localisation, le phénotype ainsi que des données d’activité. Le chaînage de ces 3 bases permettra de créer des algorithmes de ciblage utiles dans la réalisation d’études permettant, in fine, d’améliorer la prise en charge des personnes atteintes de MICI.
Lauréat de la troisième vague de l’appel à manifestation d’intérêt Bibliothèque Ouverte d’Algorithmes en santé (BOAS), le Health Data Hub accompagne ce projet à toutes les étapes de sa réalisation, notamment sur les plans réglementaire, technique, financier et scientifique.
Résultat/livrable
Les algorithmes de ciblage développés seront mis en open source pour faciliter la manipulation des données de santé à des fins de recherches.