Contribution of AI approaches to the search for predictive factors in acute myeloblastic leukaemia (AML)/AI4DigAML

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

Nous espérons que ce programme permettra d'identifier des facteurs de causalité de la LAM et donc des marqueurs pour une meilleure détection précoce des patients. Le gain pour le pronostic des patients serait considérable puisque ce diagnostic précoce permettrait de traiter leur cancer dans une phase très initiale et d'augmenter significativement l'espoir de guérir le cancer. Parallèlement, nous pensons que ce projet permettra de décrypter et d'améliorer les méthodes d'IA pour la recherche de facteurs causaux de maladies et d'ouvrir la voie au développement de stratégies similaires dans d'autres cancers.
Notre objectif principal est donc de développer des approches basées sur l'IA capables d'analyser les données de santé extraites de l'entrepôt de données cliniques du CHUGA (PREDIMED) afin de déchiffrer et de caractériser les événements de santé qui précèdent le diagnostic de la LAM et d’identifier des facteurs prédictifs de ce cancer.
Nous souhaitons sélectionner notre cohorte parmi les patients atteints de LAM diagnostiqués au cours des 5 dernières années au CHUGA, pour une LAM de novo ce qui représente un réservoir d'environ 500 patients. Les patients (s'ils sont vivants) seront informés de cette recherche et pourront exprimer leur non-consentement selon les procédures mises en place par la DRCI du CHUGA.