Description du projet :
La détection précoce du cancer demeure le meilleur moyen de le combattre! Effectivement, plus vite il est diagnostiqué, meilleur est le taux de survie du patient, et ceci quel que soit le type de cancer et le type de traitement considéré.
L’une des voies très prometteuses pour la détection précoce du cancer est l'analyse des composés organiques volatiles (VOC) présents dans l'air expiré ou dans les urines. Ceci a été mis en évidence de façon spectaculaire par la capacité de chiens spécialement entraînés qui peuvent détecter les cancers de la prostate, même très précoces, avec un taux de réussite supérieur à 98%. L’un des pionniers de cette approche est le Pr. Cussenot (AP-HP, Sorbonne Université) qui contribue depuis 20 ans aux stratégies de diagnostic précoce de ce cancer à partir d’une base de données d'urines et d’une biothèque (sang, urine, tissus), c'est-à-dire dont on sait avec certitude si le patient est sain ou cancéreux.
Malgré des efforts soutenus depuis 20 ans, les techniques de chimie analytique n'ont pas été capables d'isoler parmi la combinatoire des quelques 300 molécules volatiles présentes dans les urines celles qui peuvent servir de signature de la présence d’un cancer. Par ailleurs, les techniques de diagnostic médical basées sur l'apprentissage automatique connaissent récemment un succès spectaculaire et font l'objet de développements dans de nombreux domaines liés au diagnostic.
Ce projet de Ra&D vise à mettre en œuvre des algorithmes de deep learning au service du diagnostic du cancer de la prostate. Pour alimenter ces méthodes mathématiques évoluées, nous réaliserons un dispositif électronique qui enregistrera à partir d’échantillons d’urine les réponses d'une dizaine de capteurs à gaz, composés pour moitié de capteurs standards et pour moitié de capteurs innovants développés spécifiquement pour ce projet.
Ces méthodes d’apprentissage intelligentes requièrent toutefois des données de haute qualité, avec un maximum d’échantillons bien qualifiés c’est-à-dire pour lesquels il faudra savoir a priori si l’urine provient d’un patient sain ou atteint d’un cancer de prostate. Ici, nous aurons la chance de pouvoir disposer d’une centaine voire plus d'échantillons qualifiés à travers notre lien collaboratif avec la biothèque dirigée par le Pr. Cussenot (au sein du réseau CeRePP). Ainsi, les signaux collectés permettront de disposer d’une base de données de haute qualité qui garantira l’efficacité de la mise en place d'algorithmes d'apprentissage robustes.
A HEPIA, un système de mesures simple a été réalisé et testé sur quelques échantillons d'urines de la biothèque CeRePP. Vu le nombre restreint d'échantillons (20), les résultats obtenus sont prometteurs mais pas utilisables pour un test de diagnostic. Il faudrait effectivement disposer de davantage d’échantillons mais surtout de capteurs pour améliorer l’efficacité de détection des algorithmes.
Dans le cadre du projet proposé, HEPIA développera des capteurs basés sur des couches minces de polymères conducteurs déposés sur un senseur électrique à électrode inter-digitée. L'équipe d’EIA-FR synthétisera des nanoparticules métalliques fonctionnalisées qui seront intégrées aux couches polymériques. Ces couches seront le cœur de la détection et leur reproductibilité sera la clé de la performance finale du dispositif. Nous espérons aboutir à une détection présentant un taux de fiabilité > 95%, équivalent à ceux obtenus actuellement avec l’imagerie RMN
Equipe de recherche au sein de la HES-SO:
Mamula Steiner Olimpia
Partenaires académiques: Marc Jobin, HEPIA Geneve
Partenaires professionnels: Olivier Cussenot, CeRePP (Centre de recherche sur les pathologies prostatiques et urologiques), Paris
Durée du projet:
15.11.2021 - 15.05.2023
Montant global du projet: 240'000 CHF
Statut: Terminé
SWITCH edu-ID
Administration
