« L’idée de ce projet est venue de situation clinique réelle », indique Mme Cardinal également néphrologue au Centre de recherche du CHUM. Elle explique que certaines décisions se prennent facilement quand un rein est en bon ou mauvais état, mais la situation se complexifie par moment. « Il y a toute une gamme de combinaisons « donneur potentiel » et « receveur potentiel » qui peuvent être dans des zones grises, précise-t-elle. Il y a des facteurs qui entrent en compte comme l’âge, la taille ou le poids du donneur. Il y a aussi des facteurs à risque comme de l’hypertension qui peuvent raccourcir la durée du greffon. »
Pour réussir son projet, la professeure a reçu l’aide de collègues qui l’ont orientée vers des chercheurs en intelligence artificielle à l’UdeM. Elle a ainsi pu s’associer avec le professeur au Département de mathématiques et de génie industriel de Polytechnique Montréal Andrea Lodi. « On essaie de créer un outil pour mieux prédire ce qui arrive en termes de survie du rein greffé, résume-t-elle. Cela en fonction des caractéristiques du donneur et du receveur. »
Pour les recherches, l’équipe d’Andrea Lodi, qui est membre associé à l’Institut des algorithmes d’apprentissage de Montréal (MILA), a utilisé des bases de données américaines en utilisant la méthode de l’apprentissage profond. « On a produit un modèle qui est légèrement meilleur que les statistiques standards », indique Mme Cardinal.
Les résultats ont été envoyés pour publication, mais la néphrologue prévient qu’une utilisation en clinique n’est pas à prévoir rapidement. « Il faut encore que l’on simplifie notre modèle pour le rendre facile d’utilisation pour le clinicien », explique-t-elle. Il faut aussi que l’équipe collabore avec Transplant Québec pour planifier la mise en place du projet.
