Multi-scale and longitudinal data modeling in pharmacology: toward digital pharmacological twins

Le projet DIGPHAT vise à développer et évaluer des méta-modèles multi-échelles et longitudinaux en pharmacologie des systèmes, basés sur des méthodes statistiques et d’apprentissage machine. Fonctionnant comme des « jumeaux numériques pharmacologiques », ils interviendront à l’initiation d’un traitement pour la sélection de la meilleur stratégie médicamenteuse (combinaison, dose et concentration cible) et pendant le traitement en intégrant des données dynamiques du patient afin d'affiner la stratégie thérapeutique.

Au cours de cette première période du projet, nous avons mis en place un plan de gestion de données en s’orientant vers une approche originale centrée sur la génération, l’évaluation et le partage de données synthétiques produites à partir de données cliniques, pharmacologiques et omiques de patients collectées par différents partenaires du consortium. Cette stratégie présente deux avantages majeurs. Au niveau recherche, nous réalisons une comparaison de différentes méthodes dédiées à la génération de données synthétiques afin d’identifier leurs forces/faiblesses et de travailler sur des améliorations algorithmiques. Nous effectuons ce travail pour différents jeux de données couvrant les cas d’usage de notre projet et ayant pour retombées des publications. Au niveau réglementaire, les retombées de nos travaux pourraient être importantes en terme de partage des données dans les études multicentriques. Leur statut de données anonymes permet d’alléger les procédures de conformité RGPD, d’accord de partage de données et l’utilisation d’infrastructure de stockage et de calculs spécifiques.

L’inventaire, la collecte et l’harmonisation des données patients couvrant les trois cas d’usage de notre projet est en cours. Ces données sont soit récupérées à partir de bases de données publiques, soit mises à disposition par les partenaires cliniciens du consortium.

Des travaux de collection des modèles de pharmacocinétiques de populations de la littérature a également été débuté pour les cas d’étude transplantation et infectiologie et sera valorisé sous forme d’un article de revue de littérature adossé à une base de donnée publique des données générée par simulation de Monte Carlo à partir de ces différents modèles.