UPThèses

• Français
• English

Français

Développement d'une approche en métabolomique et intelligence artificielle pour améliorer le management des organes à transplanter

Le don d'organes est un acte crucial pour les personnes en attente de transplantation, mais la disponibilité limitée d'organes en bon état constitue un obstacle majeur. Cela est particulièrement vrai pour les reins, car le nombre d'organes sains et viables disponibles est bien inférieur au nombre de patients en attente. Cette pénurie d'organes est un problème de santé publique majeur qui doit être résolu. Pour remédier à cette situation, les critères d'admissibilité pour les donneurs décédés considérés comme "à risque" ont été élargis, mais ces donneurs peuvent présenter un risque accru de rejet et nuire à la survie du patient transplanté en raison de la qualité compromise de l’organe. Actuellement, les médecins se basent sur des caractéristiques du donneur, telles que la biochimie, l'évaluation visuelle et les biopsies pré-greffes mais ces méthodes ont des limites qui ne permettent pas une anticipation avec un haut degré de rapidité, fidélité et reproductibilité. Notre projet de recherche vise à concevoir un outil qui permettra d'évaluer précisément la qualité d'un rein avant la transplantation. Nous avons choisi d'utiliser la métabolomique et l'intelligence artificielle (IA) pour atteindre cet objectif. La métabolomique est une branche innovante de la biologie qui étudie les métabolites, des composés qui reflètent l'état physiologique des cellules. Nous utiliserons des techniques de chromatographie liquide haute performance couplée à de la spectrométrie de masse pour mesurer les profils métaboliques des donneurs de manière non ciblée. L'IA sera ensuite utilisée pour traiter et analyser ces données obtenues. En combinant ces données avec d'autres informations cliniques, nous pourrons développer un algorithme qui permettra de prédire la qualité d'un rein avec une grande précision. Cet algorithme sera formé à partir de données provenant de différents patients ayant subi une transplantation rénale, ce qui permettra de déterminer les indicateurs les plus pertinents pour évaluer la qualité d'un rein. Nous sommes convaincus que cet outil permettra une évaluation précise de la qualité d'un rein avant la transplantation, améliorant ainsi les chances de réussite de l'intervention et réduisant les risques pour les patients. Cette combinaison de métabolomique et d'IA aura un impact significatif sur le domaine de la transplantation rénale, en fournissant des informations fiables sur la qualité des reins destinés à la transplantation. Nous sommes impatients de voir les résultats de cette recherche et de constater comment elle pourra bénéficier à un grand nombre de personnes en attente de transplantation rénale.

Mots-clés libres : Transplantation rénale, pénurie d'organes, métabolomique, intelligence artificielle, apprentissage supervisé, biomarqueurs, évaluation, qualité .

Rameau (langage normalisé) :
• Apprentissage non supervisé (intelligence artificielle)
  
• Métabolomique
  
• Rein‎--Transplantation
  
• Marqueurs biologiques
  
• Dons d'organes--Gestion