Améliorer les résultats de la greffe pulmonaire

Contexte : Les maladies respiratoires chroniques constituent l’une des principales causes de mortalité mondiale, représentant un défi majeur en santé publique. La transplantation pulmonaire est souvent la seule option thérapeutique pour les patients en phase terminale, permettant d’améliorer leur survie et leur qualité de vie. Cependant, malgré les avancées médicales, cette intervention reste associée à un pronostic défavorable, avec une survie médiane de 6,7 ans. La principale cause de ce mauvais pronostic est la Dysfonction Pulmonaire Chronique du Greffon (CLAD), une complication sévère caractérisée par une diminution irréversible du volume expiratoire forcé en une seconde (FEV1). Actuellement, les recherches utilisant le CLAD comme critère de jugement nécessitent de longues périodes d’observation avant d’identifier cette complication, retardant ainsi les interventions thérapeutiques potentielles. Ce contexte souligne l’urgence de développer des outils permettant de prédire précocement le risque de CLAD et d’autres complications post-transplantation.
Méthode :  Le projet PLUTO se propose de répondre à ces défis en créant une base de données fédérée associée à une biocollection, intégrant des informations cliniques, biologiques, fonctionnelles, histologiques et immunologiques de patients greffés pulmonaires provenant de quatre centres de transplantation en France (Hôpital Foch, Hôpital Marie Lannelongue, APHP Hôpital Bichat et CHU Nantes). Cette base de données rassemblera des informations détaillées et standardisées, assurant ainsi leur cohérence, leur interopérabilité et leur pérennité pour des recherches futures. La collecte et le stockage des données suivront des méthodes standardisées, incluant l’utilisation de standards internationaux et la mise en place d’un plan de gestion des données.
En complément, PLUTO développera des outils innovants basés sur l’intelligence artificielle (IA) et le deep learning pour le traitement des données multimodales. Par exemple, le logiciel AVIEW sera utilisé pour segmenter automatiquement les poumons, les lobes, les voies respiratoires et les vaisseaux pulmonaires sur les images de tomodensitométrie (CT). Simultanément, les réseaux de neurones convolutifs permettront de détecter des lésions pathologiques importantes dans les biopsies transbronchiques (TBB) avec une sensibilité et une reproductibilité accrues. Ces technologies permettront une analyse intégrative et précise des données multimodales, fournissant des informations essentielles pour la prédiction et la gestion des risques post-transplantation.
PLUTO s’engagera également dans la recherche et l’identification de biomarqueurs numériques à partir des données multimodales. Les techniques de deep learning seront appliquées pour identifier des motifs et des caractéristiques spécifiques sur les images CT et les échantillons de biopsies, pouvant servir de biomarqueurs prédictifs pour le développement de la CLAD et d’autres complications. Ces biomarqueurs permettront de stratifier les patients en fonction de leur risque, d’ajuster les protocoles de traitement et de surveiller plus efficacement la progression de la maladie. La découverte et la validation de ces biomarqueurs numériques amélioreront considérablement la capacité à prédire les résultats cliniques et à personnaliser les interventions thérapeutiques. Les biomarqueurs identifiés seront intégrés dans les modèles de prédiction clinique, augmentant ainsi la précision et la robustesse de ces modèles.
Perspectives : Les perspectives du projet PLUTO sont vastes et prometteuses. En améliorant la précision des diagnostics et en personnalisant les interventions thérapeutiques, PLUTO vise à transformer la prise en charge des patients transplantés pulmonaires. Les biomarqueurs numériques identifiés grâce aux analyses multimodales permettront une stratification plus fine des patients en fonction de leur risque de complications, facilitant ainsi des interventions plus précoces et mieux ciblées. Par exemple, un patient présentant des biomarqueurs prédictifs de CLAD pourrait bénéficier d’une surveillance plus rapprochée et d’ajustements thérapeutiques spécifiques pour prévenir l’apparition de la maladie.
La base de données fédérée et les outils développés favoriseront le partage et la réutilisation des données, renforçant la collaboration entre chercheurs et cliniciens. En rendant les données accessibles et utilisables par d’autres chercheurs, PLUTO maximisera l’impact des informations collectées et encouragera la réalisation de nouveaux projets de recherche et d’innovation dans le domaine de la transplantation pulmonaire. Cette approche collaborative contribuera à la création d’une communauté de pratique autour de la transplantation pulmonaire, facilitant le partage des meilleures pratiques et des découvertes scientifiques.
Les outils développés dans le cadre de PLUTO, tels que les algorithmes de deep learning pour l’analyse des CT et des TBB, auront également des applications potentielles au-delà de la transplantation pulmonaire. Ces technologies pourraient être adaptées pour d’autres types de greffes d’organes ou pour le diagnostic et la gestion d’autres maladies respiratoires chroniques. Ainsi, les retombées du projet PLUTO pourraient avoir un impact plus large sur le domaine de la médecine de transplantation et des maladies respiratoires.
Enfin, PLUTO s’engage à diffuser largement ses résultats à travers des publications en accès libre, des présentations lors de conférences nationales et internationales, et des collaborations avec des associations de patients et des partenaires industriels. Cette stratégie de diffusion vise à maximiser l’impact des découvertes du projet sur la communauté scientifique et le grand public, tout en assurant que les nouvelles connaissances et technologies développées soient rapidement intégrées dans la pratique clinique.