GreffonsConcept NCIt

N3-AUTOINDEXEE
L'Intelligence Artificielle au service de la médecine de précision en transplantation
https://www.theses.fr/2023LIMO0047
Les travaux présentés ont eu pour objectif de proposer des utilisations appropriées de l’intelligence artificielle (IA) pour la médecine de précision en transplantation. Assurer une prise en charge personnalisée nécessite de combiner de nombreuses informations sur : le patient, le greffon, et les traitements immunosuppresseurs. L’IA offre la possibilité de sélectionner et combiner de nombreuses variables. Dans une première étude, nous avons montré l’apport de l’estimation de l’AUC et des adaptations de posologie par méthode bayésienne (une forme ‘primitive’ d’IA) chez 1 051 transplantés rénaux pédiatriques traités par mycophénolate mofétil. Quand les ajustements de doses proposés étaient suivis, l’intervalle cible d’AUC était plus souvent atteint (p 0,08 à 0,006) et la variabilité de l’exposition était significativement réduite (p 0,03 à 0,003). Dans un deuxième travail, nous avons mis au point un algorithme de Machine Learning pour estimer l’AUC0-12h de l’évérolimus en partant de 508 profils pharmacocinétiques réels, et nous l’avons amélioré en enrichissant progressivement la base d’apprentissage avec des profils simulés (avec un optimal d’environ 5 000 simulations) pour atteindre un écart quadratique moyen (RMSE) de 10,8 µg.h/L en validation externe. Nous avons également mis en évidence les limites d’une telle méthode, avec un surapprentissage à partir de 10 000 simulations se traduisant par une augmentation du RMSE à 12,6 puis 13,7 µg.h/L. Puis, nous avons entraîné un modèle de classification XGBoost sur des diagnostics de rejets humoraux et cellulaires du greffon posés par un groupe d’experts, comme alternative à l’actuelle classification de Banff qui est peu reproductible et ne prend en compte que des données histologiques : des AUC ROC de 0,91 à 0,97 ont été obtenues sur des jeux de données indépendants. Enfin, nous avons validé un score de risque de perte du greffon à long terme, construit à l’aide d’une forêt aléatoire de survie, et utilisant uniquement quelques variables disponibles au premier anniversaire de la transplantation. Le score atteint une AUC ROC 0,76 et 0,73 à 5 et 10 ans post-transplantation. L’ensemble de ces travaux a donc permis de montrer quelques avantages et limites du Machine Learning pour améliorer la prise en charge médicale des patients transplantés rénaux, comme alternative ou complément des approches statistiques acceptées de plus longue date.
2023
theses.fr
France
thèse ou mémoire
Médecine de précision
intelligence
Greffons
intelligence artificielle
département
intelligence artificielle
transplantation
transplantation
indépendamment
Médicament
transplantation
service informatique
exactitude

---
N2-AUTOINDEXEE
Les machines à perfusion peuvent-elles améliorer la qualité des foies donnés pour la transplantation ?
https://www.cochrane.org/fr/CD014685/LIVER_les-machines-perfusion-peuvent-elles-ameliorer-la-qualite-des-foies-donnes-pour-la-transplantation
Principaux messages - La perfusion par machine à froid améliore la transplantation hépatique par rapport à la technique standard de la glacière. - La perfusion par machine chaude ne semble pas présenter ces bénéfices, mais pourrait permettre la transplantation de foies donnés qui ne seraient pas utilisés autrement.
2023
Cochrane
Royaume-Uni
revue de la littérature
résumé ou synthèse en français
Exactitude des données
machine
Greffons
transplantation hépatique
plan de recherche
perfusion de chimiothérapie
Perfusion
transplantation du foie
amélioration de la qualité
perfusion
Transplantation
quel mois est-ce maintenant ?
transplantation
Qualité des données
perfusion du foie
Accroître
méthode d'administration en perfusion

---