Au niveau de la santé, notre objectif principal est de repousser les frontières de la
psychiatrie
de précision. Nous créons un outil de décision clinique pour les médecins afin d'aider à
prédire
quels traitements seront les plus susceptibles d'être efficaces pour un patient particulier.
La dépression est une maladie mentale grave qui affecte globalement plus de 300
millions de
personnes. Certains patients peuvent passer des années à trouver un traitement efficace, et
de
nombreux patients ne s'amélioreront pas après le premier traitement. L'incapacité de prédire
la
réaction d'un individu face à un certain traitement de santé mentale est une barrière énorme
à
leur rétablissement.
Pour relever ce défi, nous utilisons une approche d'apprentissage
en
profondeur pour construire un modèle prédictif basé sur les meilleures données disponibles.
Initialement, nous mettons l'accent sur les traitements de la dépression, mais nous
prévoyons
éventuellement inclure toutes les conditions de santé mentale afin d'amplifier l'utilité
clinique de notre outil. À la base, aifred exploite l'intelligence collective de la
communauté
scientifique et médicale afin d’apporter de meilleurs soins de santé à tous.
Notre
siège
social est situé à Montréal, au Canada, et nous sommes fiers de participer à l'IBM
Watson AI XPRIZE.
Lisez plus:
Nous optimiserons aifred avec l'aide d'un réseau distribué d'experts en psychiatrie - une collaboration unique pour la santé. Nous mettons en œuvre des réseaux d'attention qui diminueront la nature «boîte noire» des réseaux neuronaux. De plus, nous analysons la qualité des prédictions du modèle, permettant à la fois une plus grande interprétabilité des décisions et la génération de nouvelles questions de recherche fondamentale, qui seront uniques aux techniques d'ensemble de données et d'optimisation que nous développons en interne. Grâce à une formation sur des ensembles de données fiables, nous sommes en mesure d'assurer une contribution de qualité à notre modèle. Les résultats des patients anonymisés seront réinjectés dans nos réseaux neuronaux afin d'améliorer continuellement le pouvoir prédictif d'aifred. L'ingénierie des fonctionnalités joue un rôle important dans la détermination des intrants dans un réseau et varie selon les équipes. Une fois de plus, cela sera réalisé avec le soutien du groupe d'experts que nous recrutons.
Travaillez avec notre système AI pour générer des prévisions de traitement personnalisées pour vos patients.
Oubliez la boîte noire! Notre système fournira un rapport expliquant les caractéristiques importantes qui ont conduit à une prédiction de traitement.
Notre équipe de recherche procède à une série de revues systématiques de la littérature pour déterminer les prédicteurs de la réponse au traitement et du fardeau des effets secondaires de la dépression. Nous évaluons l'état de la psychiatrie de précision dans des domaines tels que la génétique, l'endocrinologie, l'immunologie, la biochimie métabolique et la neuro-imagerie, ainsi que la faisabilité d'inclure le test des biomarqueurs dans la pratique clinique de routine. Les résultats de ces revues serviront à valider notre modèle en intégrant des biomarqueurs multimodaux et des facteurs sociodémographiques et cliniques.
La recherche clinique est axée sur la validation de notre modèle dans des conditions contrôlées et réelles. Nous concevons trois types d'essais de recherche indiqués ci-dessous. La sécurité est essentielle, et notre équipe clinique, qui comprend deux médecins, veillera à revoir les prédictions de notre modèle et à garantir que les recommandations de traitement du modèle soient sécuritaires. Nous sommes en train de tracer la voie en ce qui concerne la validation clinique des aides à la décision cliniques fondées sur l'apprentissage en profondeur et, en tant que tel, investissons massivement dans le développement de principes éthiques pour guider le développement et les tests. En fait, le développement éthique est si important pour nous que nous avons créé notre propre cadre éthique, connu sous le nom de Meticulous Transparency, pour guider notre travail. Nous ne conservons jamais d'informations identifiables sur les patients pour protéger la vie privée des patients.
Le modèle doit être facile a utiliser et fournir aux cliniciens les fonctionnalités qu'ils souhaitent et dont ils ont besoin. Nous devons donc étudier l'intégration de la solution dans le flux de travail clinique et ses effets sur l'efficacité du clinicien et l'interaction médecin-patient.
L'innocuité et l'efficacité du modèle doivent être évaluées lors d'essais ouvert où les cliniciens et les patients savent quand notre modèle est utilisé. Un groupe de médecins utilisant notre modèle sera comparé à un groupe pratiquant des soins habituels, et les résultats des patients seront comparés entre les deux.
Après des études ouvertes, nous effectuerons un ou plusieurs essais contrôlés randomisés, en testant notre modèle par rapport à un modèle «fictif» et à un groupe «pratique habituelle». Cela nous aidera à déterminer l'efficacité de la solution aifred.
Dr. Gustavo Turecki, MD, PhD - Génétique, expert en contenu
d'accès aux ensembles de données
Dr. Marc Miresco, MD, MSc - Expert en
contenu
de services externes de psychiatrie
Dr. Leon Tourian, MD - Expert en
contenu
d'éducation médicale
Dr. Thomas Milroy, MD - Expert en contenu de thérapie
électroconvulsive
Dr. Gail Myhr, MDCM, Dip Psy, MSc, FRCP - Expert en
matière
de thérapie cognitivo-comportementale
Dr. Eduardo Chachamovitch, MD, PhD -
Psychométrie, troubles de l'humeur et Populations particulières Expert en
contenu
Dr. Marcelo Berlim, MD, MSc - Revue de littérature et expert en contenu de
neuromodulation
Dr. Howard Margolese, MD - Expert en essais cliniques
Dr. Daniel Blumberger, MD, MSc, FRCPC - expert en rTMS et en
neuromodulation
Dr. Simone Vigod, MD, MSc, FRCPC - Lignes directrices,
meilleures pratiques, expert en contenu de sécurité culturelle
Dr. Farooq
Naeem, MD - Expert en thérapie cognitivo-comportementale et psychose
Dr. Sagar Parikh, MD - Lignes directrices, meilleures
pratiques,
expert en contenu de sécurité culturelle
Tristan Sylvain - Expert en contenu d'apprentissage machine
Dr. Margaux Luck - Expert en contenu d'apprentissage machine
Dr. Wendell Wallach - Expert en contenu Bioéthique et IA Ethique
Dr. Jonathan Roiser, PhD - Expert en psychiatrie
computationnelle
Dr. Oliver Robinson, PhD - Expert en contenu d'anxiété et de neuroimagerie
Dr. Jordan Karp, MD - Expert en matière de dépression de la fin de vie
Dre Ann John, PhD, experte en contenu sur le suicide et
l'épidémiologie
Dr Marcos Del Pozo Baños, PhD, expert en contenu sur
l’apprentissage machine et les dossiers médicaux
Tung Tran, Directeur du Programme de santé mentale et dépendance