<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[EPIDEMIUM - Medium]]></title>
        <description><![CDATA[Inclusive and community-based open science program dedicated to cancer research through data challenges - Medium]]></description>
        <link>https://medium.com/epidemium?source=rss----7403a5c08a0b---4</link>
        <image>
            <url>https://cdn-images-1.medium.com/proxy/1*TGH72Nnw24QL3iV9IOm4VA.png</url>
            <title>EPIDEMIUM - Medium</title>
            <link>https://medium.com/epidemium?source=rss----7403a5c08a0b---4</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Mon, 16 Nov 2026 06:41:22 GMT</lastBuildDate>
        <atom:link href="https://medium.com/feed/epidemium" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Evaluation in Epidemium S3]]></title>
            <link>https://medium.com/epidemium/evaluation-in-epidemium-s3-adc96a8b8ede?source=rss----7403a5c08a0b---4</link>
            <guid isPermaLink="false">https://medium.com/p/adc96a8b8ede</guid>
            <dc:creator><![CDATA[Marc Fournier]]></dc:creator>
            <pubDate>Wed, 15 Dec 2021 09:59:43 GMT</pubDate>
            <atom:updated>2021-12-15T09:59:43.387Z</atom:updated>
            <content:encoded><![CDATA[<p>Something is not clear to you ? <br>Ask us on slack ! We are here to help :)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*UmBA26LjVkB1DNnFgnQJKA.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zDoZoVT_4FeHetwRZdtFOg.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Hc1L6m8imZjNPRMZEqEBUg.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*FwWC87HTCd_-UQeQremcJg.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XywLC6pPEJ4lkq0E0extCw.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mpJy6o6fiNn3UN99L2awjQ.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*pVWZsFyEsxbNcLlAn6XKhQ.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*wM4MgBju8otaHeRXThX1BA.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*OTvRTf74yZKNNex_gCVycw.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*-t1ZlpDrhFMb84_GcYJi1Q.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Lms8ql7woIpKcDw3DdrgOQ.jpeg" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=adc96a8b8ede" width="1" height="1" alt=""><hr><p><a href="https://medium.com/epidemium/evaluation-in-epidemium-s3-adc96a8b8ede">Evaluation in Epidemium S3</a> was originally published in <a href="https://medium.com/epidemium">EPIDEMIUM</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[NOTICE : Challenge 1 ENT Data description]]></title>
            <link>https://medium.com/epidemium/notice-challenge-1-ent-data-description-3570ef4b63c7?source=rss----7403a5c08a0b---4</link>
            <guid isPermaLink="false">https://medium.com/p/3570ef4b63c7</guid>
            <dc:creator><![CDATA[Marc Fournier]]></dc:creator>
            <pubDate>Fri, 24 Sep 2021 06:55:12 GMT</pubDate>
            <atom:updated>2021-10-14T14:04:02.559Z</atom:updated>
            <content:encoded><![CDATA[<h3>NOTICE : Challenge 1 ENT Data description</h3><p>NOTICE: Description of the ENT Challenge 1 data</p><p><strong>The challenge is open to all participants, specialists, and non-specialists alike, for this purpose a lexicon of medical terms is produced at the end of the document.</strong></p><p>ENT cancers are mainly due to alcohol and tobacco. In almost all developed countries, a new entity is emerging, in a quasi-epidemic fashion: ENT cancers linked to the <em>human papillomavirus.</em> (HPV). Its implication is widely known, at the level of the uterine cervix where it is the subject of a systematic screening from the beginning of the sexual life but its role is still little known at the ENT level. Over the past few years, the proportion of ENT cancers due to HPV has continued to grow, until it becomes the majority in the United States. This cancer mainly affects the oropharynx and therefore originates from a sexually transmitted infection. This cancer affects younger individuals and is a major public health problem. It is essential for researchers and clinicians to always understand the characteristics of these cancers better and of these patients, at the clinical level but also at the protein and molecular level as technology now allows us.</p><p>One of the keys to future cancer therapies is based on knowledge of the tumor microenvironment, the site of interactions between pathological cells and immune cells.</p><p>The pathologist studies this microenvironment using immunostaining techniques (specific recognition of proteins on the surface of cells), quantification of virus expression (RNAscope (R)) and many others. whose possibilities are increased tenfold by technology.</p><p>1 / What data do I have access to?</p><p>The data provided for Challenge 1 “ENT” come from the “KORL” cohort of 61 patients provided by the cytopathology department of the Georges Pompidou hospital (APHP platform shared with Inserm U970). The data sets are composed of immunostaining images of histological sections of ENT cancer tissue (otorhinolaryngology, i.e. head and neck tumors), cancers induced by the <em>Human papillomavirus </em>virus. (HPV) taken during biopsies or surgery. These images are provided with the clinical characteristics of the corresponding patients.</p><p><strong>All of the Challenge 1 data made available as part of the Epidemium challenge has been anonymized by the company Octopize using “Avatar” technology and validated by the CNIL </strong>(more details on request).</p><p>Access to the data is possible only <strong>after </strong><a href="https://translate.google.com/translate?hl=fr&amp;prev=_t&amp;sl=auto&amp;tl=en&amp;u=https://forms.gle/ocKVyXfADxF4WpSx7"><strong>validation of the T &amp; Cs</strong></a> then on the platform <a href="https://translate.google.com/translate?hl=fr&amp;prev=_t&amp;sl=auto&amp;tl=en&amp;u=http://datas3.epidemium.org/">http://datas3.epidemium.org</a> (in case of concern, contact us on <a href="https://translate.google.com/translate?hl=fr&amp;prev=_t&amp;sl=auto&amp;tl=en&amp;u=http://slack.epidemium.com/">slack</a> channel data / dataiku)</p><p>2 / Medical problem</p><p><strong>Question:</strong></p><p>- Can the positive stainings corresponding to the cells composing the tumor microenvironment be predictive of patient survival? Survival includes <em>overall survival </em>or <em>overall survival </em>(duration in months between diagnosis and death of the patient or the date of the latest news if the patient is alive)</p><p><strong>Judgment criteria:</strong></p><p>- Determine a statistical link between the presence of one or more markers, in the tumor, in the stroma or in the microenvironment as a whole and better overall survival.</p><p><strong>Consideration of confounding data:</strong></p><p>- Stratification of results according to WHO status, TNM stage, RNAscope, tobacco and alcohol poisoning</p><p>3 / Medical data production technique</p><p>- The cytological examination is carried out by optical microscopy in white light</p><p>- The tissue is cut, placed on a slide, from an operative part or from a biopsy</p><p>- HES staining (Hemalun-Eosine-Saffron) allows the study of tissues (histology), their architecture, and cells (cytology)</p><p>- The HES slides of the project patients are scanned. They are whole, not cut into <em>stamps </em>(portion of the original slide) as for the immunostaining.</p><p>- On a white slide (without HES): an immunostaining is carried out (from an antibody specific for a membrane protein of interest) which is revealed, by optical microscopy, in fluorescent light, by exciting a precise fluorochrome.</p><p>These are the images we have provided, each marking individually (one folder corresponds to one marking). It is immunofluorescence <em>in situ </em>(ie on unaltered tissue).</p><p>4 / What are the expectations?</p><p>- The challengers can easily reconstitute multi-stainings by superimposing the transmitted images: the interest is to identify correlations between better survival / or poorer survival (overall ie clinical data) and the staining (ie immunofluorescence data) individual, or combined, which leaves a considerable number of scenarios (phenotypes) to explore. A phenotype is a combination of markers (signature), each folder corresponds to a marker.</p><p>- A simple way is to separate the patients according to the richness of their samples in a certain cellular phenotype (ie expression of one or more markers on the same cell) according to the median in a “high” group and a “group”. low ”and to see if one or the other of these groups has a better survival than the other, significantly and statistically, and in analysis adjusted for the confounding factors transmitted (WHO, RNAscope (R), TNM, Age, Tobacco etc.)</p><p>- Another way of doing things would be to start from survival and depending on survival, analyze whether there are correlations with certain phenotypes, so the challenge is open, participants can start either from survival or from the composition of the tumor microenvironment</p><p><strong>- </strong>Consider that we do not know, a priori, in this challenge, if whether a phenotype (or a signature) is associated or not (and therefore predictive) of better survival<strong>. Pay attention some cells car been stained by numerous markers.</strong></p><p>- Attention, challengers incorporate patients data: each patient / avatar corresponds to a certain number of <em>stamps </em>(min 1, max 4) of which you have stained images</p><p>5 / Description of clinical data (tabular)</p><p>Patient_ID: avatar’s ID</p><p>WHO: WHO score, general condition of the patient assessed according to the following table</p><p>0</p><p>Capable of an activity identical to that preceding the disease, without any restriction</p><p>1</p><p>Reduced physical activity but ambulatory and able to carry out work</p><p>2</p><p>Outpatient and able to take care of oneself, unable to work. Bedridden less than 50% of his time</p><p>3</p><p>Capable of only some personal care. Bedridden or in a chair more than 50% of the time</p><p>4</p><p>Unable to take care of himself, bedridden or in a chair at all times</p><p>Gender: man or woman</p><p>Age: date of birth</p><p>Date_biopsy: date of the biopsy</p><p>Age_diag: age at diagnostic time</p><p>Last_date_nouvelles: date of last contact</p><p>Death: deceased: yes no</p><p>OS: overall survival in months evaluated from the date of diagnosis to the date of the last news / death, variable to predict</p><p>Recurrence: yes no</p><p>Location: localization of the cancer</p><p>RNA-scope: (= <em>in situ </em>hybridization ) <strong>: </strong>quantitative evaluation scored from 0 to 2 of the transcriptional activity of the E6 and E7 oncoproteins of HPV, basically corresponds to the quantitative evaluation of the transcription activity of DNA viral in tumor cells.</p><p>T: T for tumor, 1–2 (small) 3 or 4 (large) according to strict UICC 8th HNSCC classification criteria — in PJ for illustration, no need to give it to participants</p><p>N: N for Node, cervical metastatic lymph nodes: N0 (no lymph node invaded), N-1–2–3 (lymph node metastases). N3 is more invaded than N1.</p><p>M: M, distant metastasis to another organ: M0 (no distant metastasis) and M1 (metastasis)</p><p><strong>- </strong>TNM stage: assesses clinical aggressiveness and tumor extension,<strong> </strong>survival is obviously correlated with TNM</p><p>Tobacco: tobacco smoker: yes no<br>Numbers 0 1 2 3 are correlated to a “score” :<br>The number of packets smoked daily x number of years . (ex : 1 packet per day during ten years =10; 3 packets during 3 years =9)<br>0 means non smoker, 1 means a score of 0&lt;10, 2 a score of 10&lt;20, 3 A score &gt;30</p><p>Alcohol: alcohol drinker: yes no</p><p>To extract Disease free survival :<br>Date of biopsy until recurrence / last news / death.</p><p>6 / Description of the image data</p><p>1 folder = 1 marker</p><p><strong>Component data:</strong> Scanned slide stamps</p><p><strong>Composite image </strong>(in each folder except Tissue segmentation):</p><p>Immuno-labeling / fluorescence in situ (on tissue). Antibody that identifies a protein. This antibody revealed by fluorochrome makes it possible to identify the presence of this protein.</p><p>The areas in red correspond to the marker, and those in light blue (cyan) represent the tumor (DAPI)</p><p><strong>Tissue segmentation:</strong></p><p>Stamp on which tissue segmentation has been performed. The areas without tissue are in blue, those containing the stroma in green, and the areas where the tumor is shown in red.</p><p><strong>Poor quality data </strong>:</p><p>Cell 1: 8aab52, 8d1247, 91de1b, 832c5f, 93114f</p><p>Cell 2: 8aab52, 841343</p><p>Cell 4: 8a11b8, 8aab52, 8af7fa, 8b44cd, 8c2bf2, 8d1247, 8e4552, 8fc4c1, 92c47e, 8545ea, 8592f4, 93f80d, 841343, 829316</p><p>Cell 5 (No Dapi) very weak marking</p><p>Cell 6, very strong DAPI</p><p>For avatars n°<br>- 83c65f ( difference between biopsy and last visit is 5 months, however the OS is 1 month) : possible typo .<br>-8592f4 (biopsy was after their last encounter with a physician)<br>Medical team is investigating if it is a typo from their side or a problem during the anonymisation process.<br>-8b44cd (patient whose difference between biopsy and last visit is 3 months, however the OS is 7 months) medical team had a record of 3 month since last visit but they accessed a national database that confirmed the patient dead 7 month after, this last info is the good one.</p><p>7 / Evaluation criteria</p><p><strong>Metric</strong></p><p><strong>Currently being defined by Medhi Benchoufi and the scientific / ethics committees.</strong></p><p>8 / Lexicon</p><p>- <strong>Stroma: </strong>tissue surrounding the tumor</p><p>- <strong>Tumor: </strong>identified by a positive cytokeratin labeling</p><p>- <strong>Microenvironment: </strong>stroma + tumor</p><p>- <strong>Tissue segmentation: </strong>distinction of the microenvironment between stroma and tumor</p><p>- <strong>WHO score: </strong>general condition of the patient assessed according to the following table</p><p>- <strong>Cytology </strong>(from the Greek cytos + logos: <em>study of cells </em><a href="https://translate.google.com/translate?hl=fr&amp;prev=_t&amp;sl=auto&amp;tl=en&amp;u=https://fr.wikipedia.org/wiki/Cytologie%23cite_note-1#cite_note-1">1</a> ) is the study of isolated cells. This is the study of normal or pathological cells (cytopathology), as well as their morphological or biochemical appearance.</p><p>- <strong>Histology </strong>is the morphological study of biological tissues.</p><p>- A <strong>phenotype </strong>is a combination of markers, each file corresponds to a marker.</p><p>- <strong>Stamp: </strong>original blade portion</p><p>This document was co-authored by the Epidemium / APHP teams</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3570ef4b63c7" width="1" height="1" alt=""><hr><p><a href="https://medium.com/epidemium/notice-challenge-1-ent-data-description-3570ef4b63c7">NOTICE : Challenge 1 ENT Data description</a> was originally published in <a href="https://medium.com/epidemium">EPIDEMIUM</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[NOTICE : Description des données Challenge 1 ORL]]></title>
            <link>https://medium.com/epidemium/notice-description-des-donn%C3%A9es-challenge-1-orl-153a8d51d00b?source=rss----7403a5c08a0b---4</link>
            <guid isPermaLink="false">https://medium.com/p/153a8d51d00b</guid>
            <category><![CDATA[ent]]></category>
            <category><![CDATA[oncology]]></category>
            <category><![CDATA[open-science]]></category>
            <dc:creator><![CDATA[Marc Fournier]]></dc:creator>
            <pubDate>Fri, 17 Sep 2021 15:54:45 GMT</pubDate>
            <atom:updated>2021-10-14T14:18:22.685Z</atom:updated>
            <content:encoded><![CDATA[<h3>NOTICE : Description des données Challenge 1 ORL</h3><p><strong>Le challenge est ouvert à tou.te.s les participant.e.s, spécialistes comme non spécialistes, à cette fin un lexique des termes médicaux est produit en fin de document.</strong></p><p>Les cancers ORL sont essentiellement dus à l’alcool et au tabac. Dans la quasi-totalité des pays développés, émerge une nouvelle entité, sur un mode quasi-épidémique : les cancers ORL liés au <em>papillomavirus humain </em>(HPV). Son implication est largement connue, au niveau du col utérin où il fait l’objet d’un dépistage systématique dès le début de la vie sexuelle mais son rôle est encore peu connu au niveau ORL. Sur les dernières années, la part des cancers ORL dus à l’HPV ne cesse de croître, jusqu’à devenir majoritaire aux Etats-unis. Ce cancer touche essentiellement l’oropharynx et a donc pour origine une infection sexuellement transmissible. Ce cancer touche des individus plus jeunes et est un problème majeur de santé publique. Il est primordial pour les chercheurs et les cliniciens de toujours mieux connaître les caractéristiques de ces cancers et de ces patients, au niveau clinique mais aussi au niveau protéique et moléculaire comme nous le permet désormais la technologie.</p><p>L’un des clefs des thérapeutiques de demain en cancérologie repose sur la connaissance du microenvironnement tumoral, siège des intéractions entre cellules pathologiques et cellules immunitaires.</p><p>Le spécialiste anatomo-pathologiste étudie ce microenvironnement à l’aide de techniques d’immunomarquages (reconnaissance spécifique de protéines à la surface des cellules), de quantification de l’expression du virus (RNAscope(R)) mais encore de bien d’autres dont les possibilités sont décuplées par la technologie.</p><h3>1/ Quelles sont les données auxquelles j’ai accès ?</h3><p>Les données fournies pour le Challenge 1 « ORL » proviennent de la cohorte « KORL » de 61<strong> </strong>patients mise à disposition par le département de cytopathologie de l’hôpital Georges Pompidou (APHP plateforme partagée avec l’Inserm U970). Les jeux de données sont composés d’images immunomarquées de coupes histologiques de tissu cancéreux ORL (Oto-rhino laryngologie, c’est-à-dire de tumeur de la tête et du cou), cancers induits par le virus de l’<em>Human papillomavirus</em> (HPV) prélevé lors de biopsies ou de chirurgie. Ces images sont fournies avec les caractéristiques cliniques des patients correspondants.</p><p><strong>L’ensemble des données du Challenge 1 mises à disposition dans le cadre du challenge Epidemium ont été anonymisées par la société Octopize grâce à la technologie « Avatar » et validées par la CNIL </strong>(plus de détails sur demande).</p><p>L’accès aux données se fait<strong> après </strong><a href="https://forms.gle/ocKVyXfADxF4WpSx7"><strong>validation des CGUS</strong></a> puis sur plateforme <a href="http://datas3.epidemium.org/">http://datas3.epidemium.org</a> (en cas de soucis, nous contacter sur <a href="http://slack.epidemium.com/">slack</a> canal data/dataiku)</p><h3>2/ Problématique médicale</h3><p><strong>Question :</strong></p><p>- Les marquages positifs correspondant aux cellules composant le microenvironnement tumoral peuvent-ils être prédictifs de la survie des patients ? La survie regroupe la survie globale ou <em>overall survival</em> (durée en mois entre le diagnostic et le décès du patient ou bien la date des dernières nouvelles si le patient est en vie) et la survie sans récidive ou<em> recidive-free survival</em> (durée en moi</p><p><strong>Critère de jugement :</strong></p><p>- Déterminer un lien statistique entre la présence d’un ou de plusieurs marqueurs, dans la tumeur, dans le stroma ou dans le microenvironnement dans son ensemble et une meilleure survie globale.</p><p><strong>Prise en compte des données confondantes :</strong></p><p>- Stratification des résultats en fonction du statut OMS, du stade TNM, du RNAscope, des intoxications tabagiques et alcooliques</p><h3>3/ Technique médicale de production des données</h3><p>- L’examen cytologique se fait en microscopie optique à la lumière blanche</p><p>- Le tissu est coupé, déposé sur une lame, à partir d’une pièce opératoire ou d’une biopsie</p><p>- La coloration HES (Hémalun-Eosine-Safran) permet l’étude des tissus (histologie), de leur architecture, et des cellules (cytologie)</p><p>- Les lames HES des patients du projet sont scannées. Elles sont entières, c’est-à-dire non découpées en <em>stamps </em>(portion de lame originelle)<em> </em>comme pour les immunomarquages.</p><p>- Sur une lame blanche (sans HES) : on réalise un immuno-marquage (à partir d’un anticorps spécifique d’une protéine membranaire d’intérêt) que l’on révèle, en microscopie optique, à la lumière fluorescente, en excitant un fluorochrome précis.</p><p>Ce sont les images que nous avons fournies, chaque marquage individuellement (un dossier correspond à un marquage). C’est l’immunofluorescence <em>in situ</em> (i.e. sur le tissu non altéré).</p><h3>4/ Quels sont les attendus ?</h3><p>- Les challengers, peuvent reconstituer facilement des multi-marquages on superposant les images transmises: l’intérêt est d’identifier des corrélations entre meilleure survie / ou moins bonne survie (globale i.e. données cliniques) et les marquages (i.e. données d’immunofluorescence) individuels, ou combinés, ce qui laisse un nombre considérable de cas de figures (phénotypes) à explorer. Un phénotype est une combinaison de marqueurs, chaque dossier correspond à un marqueur.</p><p>- Un moyen simple est de départager les patients selon la richesse de leurs prélèvements en un certain phénotype cellulaire (i.e. expression d’un ou de plusieurs marqueurs sur une même cellule) en fonction de la médiane en un groupe “haut” et un groupe “bas” et de voir si l’un ou l’autre de ces groupes a une meilleure survie que l’autre, significativement et statistiquement, et en analyse ajustée sur les facteurs confondants transmis (OMS, RNAscope(R), TNM, Âge, Tabac etc.)</p><p>- Une autre manière de faire serait de partir de la survie et en fonction de la survie, analyser s’il existe des corrélations avec certains phénotypes, donc le challenge est ouvert, les participants pourront partir soit de la survie, soit de la composition du microenvironnement tumoral</p><p><strong>- </strong>Sachant que l’on ne sait pas, a priori, dans ce challenge, si un phénotype est associé ou non (et donc prédictif) d’une meilleure survie</p><p>- Attention, les challengers doivent étudier les patients: chaque patients/avatars correspond à un certains nombre de <em>stamps</em> (min 1, max 4) dont vous disposez des images marquées</p><h3>5/ Description des données cliniques (tabulaires)</h3><p>Patient_ID: avatar’s ID</p><p>OMS: score OMS, état général du patient évalué selon le tableau suivant</p><p>0</p><p>Capable d’une activité identique à celle précédent la maladie, sans aucune restriction</p><p>1</p><p>Activité physique diminuée mais ambulatoire et capable de mener un travail</p><p>2</p><p>Ambulatoire et capable de prendre soin de soi, incapable de travailler. Alité moins de 50 % de son temps</p><p>3</p><p>Capables de seulement quelques soins personnels. Alité ou en chaise plus de 50 % du temps</p><p>4</p><p>Incapable de prendre soin de lui-même, alité ou en chaise en permanence</p><p>Sexe: man or woman</p><p>Age: date of birth</p><p>Date_biopsie: date of the biopsy</p><p>Age_diag: age at diagnostic time</p><p>Date_derniere_nouvelles: date of last contact</p><p>Deces: deceased: yes no</p><p>OS: survie globale en mois évaluée à partir de la date de diagnostic jusqu’à la date des dernières nouvelles / décès, variable to predict</p><p>Recidive: recidivism: yes no</p><p>Localisation: localization of the cancer</p><p>RNA_scope: (= hybridation <em>in situ</em>)<strong> : </strong>évaluation quantitative scorée de 0 à 2 de l’activité transcriptionnelle des oncoprotéines E6 et E7 de l’HPV, correspond pour faire simple à l’évaluation quantitative de l’activité de transcription de l’ADN viral dans les cellules tumorales.</p><p>T: T pour tumor, 1–2 (petits) 3 ou 4 (gros) selon des critères strictes de classification l’UICC 8th HNSCC — en PJ pour illustrer, inutile de le donner aux participants</p><p>N: N pour Node, ganglions métastatiques cervicaux : N0 (pas de ganglion envahi), N-1–2–3 (métastases ganglionnaires). N3 est plus envahi que N1.</p><p>M: M, métastases à distance dans un autre organe : M0 (pas de métastase à distance) et M1 (métastases)</p><p><strong>-</strong> Stade TNM : évalue l’agressivité clinique et l’extension de la tumeur<strong>, </strong>la survie est bien évidemment corrélée avec le TNM</p><p>Tabac: tobacco smoker: yes no<br>Les chiffres 0 1 2 3 sont corrélés à un score : <br>0 : l’avatar est non fumeur , 1 le score est 0&lt;10, 2 le score est 10&lt;20, 3 le score est strictement supérieur à 30 <br>Score de “paquets années”= nombre de paquets fumés par jour x nombre d’années ( ex : 1 paquet jour pendant 10 ans =10 “paquets années”, 3 paquets par jour durant 3 ans = 9 “paquets années”)</p><p>Alcool: alcohol drinker: yes no</p><p>Pour extraire la survie sans maladie (disease free survival) :<br>Date de la biopsie jusqu’à la récidive / dernière nouvelle / décès</p><h3>6/ Description des données images</h3><p>1 folder = 1 marker</p><p><strong>Component data</strong>: Stamps de lame scannée</p><p><strong>Composite image </strong>(dans chaque folder sauf Segmentation tissulaire):</p><p>Immuno marquage/fluorescence in situ (sur le tissu). Anticorps qui vient repérer une protéine. Cet anticorps révélé par fluorochrome permet d’identifier la présence de cette protéine.</p><p>Les zones en rouge correspondent au marqueur, et celles en bleu clair (cyan) représentent la tumeur (DAPI)</p><p><strong>Segmentation tissulaire</strong>:</p><p>Stamp sur lequel on a effectué la segmentation des tissus. Les zones sans tissus sont en bleu, celles contenant le stroma en vert, et les zones où sont représentées la tumeur en rouge.</p><p><strong>Données de mauvaise qualité</strong>:</p><p>Cellule 1: 8aab52, 8d1247, 91de1b, 832c5f, 93114f</p><p>Cellule 2: 8aab52, 841343</p><p>Cellule 4: 8a11b8, 8aab52, 8af7fa, 8b44cd, 8c2bf2, 8d1247, 8e4552, 8fc4c1, 92c47e, 8545ea, 8592f4, 93f80d, 841343, 829316</p><p>Cellule 5 (Pas de Dapi) marquage très faible</p><p>Cellule 6, DAPI très fort</p><p>Pour les avatars n°<br>- 83c65f (patient dont la différence entre la biopsie et la dernière visite est de 5 mois, cependant la “OS” (overall survival” est de 1 mois) .<br>-8592f4 (patient dont la biopsie a eu lieu après sa dernière rencontre avec un médecin)<br>L’équipe médicale enquête s’il s’agit d’une faute de frappe de leur part ou d’un problème lors du processus d’anonymisation.<br>Pour l’avatar n° 8b44cd (patient dont la différence entre la biopsie et la dernière visite est de 3 mois, mais la OS “overall survival” est de 7 mois) l’équipe médicale avait un enregistrement de 3 mois depuis la dernière visite mais elle a accédé à une base de données nationale qui a confirmé le décès du patient 7 mois après , cette dernière info est la bonne.</p><h3>7/ Critères d’évaluation</h3><p><strong>Metrique</strong></p><p><strong>En cours de définition par Medhi Benchoufi et les comités scientifique/éthique.</strong></p><h3>8/ Lexique</h3><p>- <strong>Stroma :</strong> tissu environnant la tumeur</p><p>- <strong>Tumeur :</strong> identifée par un marquage cytokératine positif</p><p>- <strong>Microenvironnement :</strong> stroma + tumeur</p><p>- S<strong>egmentation tissulaire :</strong> distinction du microenvironnement entre stroma et tumeur</p><p>- <strong>Score OMS : </strong>état général du patient évalué selon le tableau suivant</p><p>- <strong>Cytologie</strong> (du grec cytos + logos : <em>étude des cellules</em><a href="https://fr.wikipedia.org/wiki/Cytologie#cite_note-1">1</a>) est l’étude des cellules isolées. Il s’agit de l’étude des cellules normales ou pathologiques (cytopathologie), ainsi que de leurs aspect morphologique ou biochimique.</p><p>- L<strong>’histologie</strong> est l’étude morphologique des tissus biologiques.</p><p>- Un <strong>phénotype</strong> est une combinaison de marqueurs, chaque dossier correspond à un marqueur.</p><ul><li><strong>Stamp </strong>(portion de lame originelle)</li></ul><p>Ce document a été corédigé par les équipes Epidemium / APHP</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=153a8d51d00b" width="1" height="1" alt=""><hr><p><a href="https://medium.com/epidemium/notice-description-des-donn%C3%A9es-challenge-1-orl-153a8d51d00b">NOTICE : Description des données Challenge 1 ORL</a> was originally published in <a href="https://medium.com/epidemium">EPIDEMIUM</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[SAISON 3: Autour du challenge 2 : ODE]]></title>
            <link>https://medium.com/epidemium/saison-3-autour-du-challenge-2-ode-1b3d42692a1e?source=rss----7403a5c08a0b---4</link>
            <guid isPermaLink="false">https://medium.com/p/1b3d42692a1e</guid>
            <category><![CDATA[epidemiology]]></category>
            <category><![CDATA[oncology]]></category>
            <category><![CDATA[open-science]]></category>
            <category><![CDATA[citizen-science]]></category>
            <dc:creator><![CDATA[Marc Fournier]]></dc:creator>
            <pubDate>Thu, 09 Sep 2021 08:18:14 GMT</pubDate>
            <atom:updated>2021-09-09T08:18:14.404Z</atom:updated>
            <content:encoded><![CDATA[<h3>SAISON 3: Autour du challenge 2 : ODE</h3><h3>Interview de Bastien Rance et Hector Countouris</h3><p><strong>Les inspirations du challenge Environnement</strong></p><p>Aujourd’hui, nous vous présentons Bastien Rance et Hector Countouris, créateurs du projet Géocancer porté par le Cancéropôle Ile de France depuis 2018, et à l’origine du challenge Open Data &amp; Environnement.</p><p>Bastien RANCE est maître de conférences en informatique médicale à l’université de paris-V. Il travaille en parallèle à l’hôpital Européen Georges Pompidou dans l’unité de recherche INSERM-INRIA. Il est spécialiste de la donnée et de leur interopérabilité, il fait donc en sorte que l’on puisse travailler sur des données qui viennent de différentes sources et qui sont de différentes natures.</p><p>Hector COUNTOURIS est ingénieur au sein de la plateforme de recherche translationnelle du CARPEM (Cancer Research and Personalized Medicine) située à l’hôpital Européen Georges Pompidou et plus largement au niveau de l’équipe d’informatique médicale du Pr Anita Burgun. Depuis 2013, il travaille à la construction de la plateforme afin de la rendre opérationnelle et de mettre en place des outils et des services pour faciliter la recherche en cancérologie et en médecine personnalisée.</p><ul><li><strong><em>Qu’est-ce que Géocancer ?</em></strong></li></ul><p><em>H.C. : l’objectif de ce projet est d’adjoindre aux données de cancérologie une dimension sociale et économique grâce aux données géographiques. Pour cela, nous travaillons sur des données cliniques que l’on couple à des données géographiques de base avec les adresses des patients notées lors des hospitalisations (nous travaillons sur les 39 hôpitaux de l’Assistance Publique des Hôpitaux de Paris). Nous essayons également de coupler ces données cliniques avec différents jeux de données disponibles en open data. Les premiers jeux de données qui nous ont vraiment intéressé sont ceux de l’INSEE (Institut national de la statistique et des études économiques). Ces jeux de données nous donnent le moyen de travailler à une échelle géographique communale voire infra communale ce qui nous permet d’être beaucoup plus précis en termes d’incidence éventuellement de certains événements observés en lien avec des pathologies. De même, nous pouvons avoir des données socio-économiques à partir de rapports de l’INSEE qui sont déjà géolocalisés (catégories socio-professionnelles, âges, employabilité…).</em></p><p><em>B.R. : nous savons qu’il y a des liens entre des facteurs socio-économiques et des évènements de santé. Par exemple, nous avons mené une étude sur le Covid sur le taux d’hospitalisation en fonction d’un certain nombre de caractéristiques socio-économiques qui montrent une association évidente entre ces 2 critères. En utilisant les résultats de cette étude, nous aurions pu faire des tests de détection de la Covid-19 dans certaines zones préférentielles plutôt que dans la population générale. Et c’est ce qu’on espère trouver pour le cancer.</em></p><p><em>H.C. : une autre application très simple que l’on a commencé à étudier, c’est de savoir si dans des zones défavorisées en fonction des périodes de temps (car les données ont une dimension temporelle), il y aurait plus ou moins de consultations dans certaines spécialités médicales ou encore est-ce que l’on observe des pics d’affluence en fonction de certains éléments de pollution…Ces résultats peuvent avoir un impact sur les politiques de décisions de prise en charge des patients ou de prévention.</em></p><ul><li><strong><em>Quelles sont les difficultés rencontrées au cours de ce projet ?</em></strong></li></ul><p><em>B.R. : nous avons certaines données publiques précises, par les données socio-économiques de l’INSEE, mais dès que l’on s’éloigne de ces données très particulières, nous n’avons pas toujours une granularité de la donnée suffisante pour pouvoir travailler. On trouve des données présentes au niveau national mais nous travaillons à l’échelle communale voire infra-communale. De même, il y a un grand flou sur le type de données en open source avec une difficulté à savoir si ce sont bien des données de santé ou des données impactant la santé.</em></p><p><em>H.C. : j’ajouterais qu’il est difficile de maintenir l’open data dans le temps. Les données sont de qualité mais on s’aperçoit que finalement un jeu très bon n’est pas renouvelé l’année d’après. Il y a un problème de suivi de la donnée dans le temps et parfois l’exploitation peut être plus ou moins difficile avec des données manquantes. Le travail d’un géographe n’est pas le même que celui d’un clinicien, donc forcément lorsque l’on voudra interpoler les deux, il y aura peut-être des champs qui seront manquant d’un côté ou de l’autre.</em>.</p><p><em>Il y a aussi un gros travail sur la qualité des données, notamment la dimension temporelle des données “adresse des patients” provenant de l’hôpital dont nous n’avons pas le suivi. Les patients peuvent déménager (une personne dans sa vie déménage entre une et huit fois), habiter à l’hôtel, être sans domicile… Donc il est difficile de conclure sur un lien entre un événement de santé et un lieu géographique si nous ne sommes pas certains que la personne habitait à l’endroit indiqué.</em></p><p><em>Nous avons également remarqué que la donnée géographique n’est pas forcément exploitable car mal retranscrite notamment si le patient arrive aux urgences et n’a pas la capacité de transmettre les informations d’adresse.</em></p><p><em>De même, il est très difficile d’avoir accès à la dimension spatiale et temporelle d’un événement de santé. Un des projets en cours est de voir s’il y a une augmentation des consultations des personnes identifiées avec des problèmes pulmonaires lors de pics de pollution. C’est une information qui aujourd’hui est assez difficile à produire même si la question est simple. En aval de ces projets, cela pourrait avoir un bénéfice en termes d’impact organisationnel au niveau de l’hôpital. Savoir qu’il y aura des patients qui développent des symptômes pulmonaires aigus à la suite d’un pic de pollution peut permettre au service hospitalier de s’organiser en amont pour recevoir les patients.</em></p><ul><li><strong><em>Qu’est-ce qui vous a amené à collaborer avec Epidemium ?</em></strong></li></ul><p><em>B.R. : il y avait déjà des équipes dans les challenge précédents d’Epidemium qui avait travaillé sur les données publiques et qui avait montré des choses très intéressantes des constructions de modèles prédictifs. Il s’est posé cette question : peut-on faire un meilleur usage des données publiques ? Peut-on les croiser avec les données dont nous disposons à l’hôpital pour améliorer la prévention d’évènements de santé et la prise en charge des patients ? L’objectif est de pouvoir bénéficier de l’expertise des challengers d’Epidemium sur cette question et essayer de voir si nous pouvons mieux chercher dans ces données open source que ce l’on fait actuellement.</em></p><ul><li><strong><em>Qu’attendez-vous des challengers d’Epidemium ?</em></strong></li></ul><p><em>B.R : il y a une grande quantité de données disponibles en open data, mais qui sont finalement assez compliquées à fouiller. C’est très difficile pour nous d’identifier les données qui sont pertinentes hors du petit pool de données que l’on utilise toujours. Nous souhaiterions disposer d’outils qui nous permettent de filtrer ces données de façon efficace et de les parcourir très vite pour identifier la source qui est utile. Par exemple, des filtres géographiques/de granularité car il y en a peu disponibles sur les plateformes d’open data, l’ajout de tag automatique pour différencier les natures de données (environnementales, professionnelles, santé…), voir le volume de données disponibles schématisé par des point sur une carte…Il y a beaucoup de choses qui peuvent être améliorées sur les sites d’open data et nous espérons que les challengers pourront apporter un nouveau regard.</em></p><p><em>H.C. : je pense que les challengers d’Epidemium peuvent vraiment nous amener plus loin dans ce que l’on peut traiter comme données. Aujourd’hui nous avons un scope étroit en termes de data. Sur le volet mise à disposition des données, il peut y avoir plusieurs jeux de données qui peuvent être soit consolidés, soit pérennisés et pourquoi pas être force de proposition sur certains jeux de données. Si des challengers ont des données médicales, nous avons un jeu de données sur un polluant ou sur des événements socio-économiques que l’on peut étudier. On peut imaginer également que si on arrive à avancer sur une thématique, il puisse y avoir un regard de la communauté sur la pertinence de l’utilisation des jeux de données. Car on peut avoir un regard critique sur ce que l’on fait et ce sera toujours le bienvenu. La communauté peut aussi avoir un rôle après l’utilisation des data.</em></p><p><em>Les challengers peuvent aussi entrer en communication avec les différents intervenants qui publient les open data et savoir peut-être pourquoi ils ne publient pas plus régulièrement, qu’est ce qui peut être fait pour que cela soit pérennisé, pourquoi il manque des informations qui sont disponibles dans d’autres régions….</em></p><p><em>On ne peut pas agir sur les données médicales, en revanche les challengers peuvent aider sur la data combinée qui peut enrichir les jeux de données médicales et accélérer la recherche. Les conclusions seront pour le patient, les médecins et je pense qu’il y a un vrai bénéfice à ce que les personnes qui ont mis leurs données en open data voient leurs données utilisées.</em></p><p><a href="https://www.linkedin.com/in/aude-rochereau/">Une interview réalisée par Aude Rochereau</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=1b3d42692a1e" width="1" height="1" alt=""><hr><p><a href="https://medium.com/epidemium/saison-3-autour-du-challenge-2-ode-1b3d42692a1e">SAISON 3: Autour du challenge 2 : ODE</a> was originally published in <a href="https://medium.com/epidemium">EPIDEMIUM</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[SAISON 3 : Autour du Challenge 1 ORL/IA]]></title>
            <link>https://medium.com/epidemium/saison-3-autour-du-challenge-1-orl-ia-f1831a89951c?source=rss----7403a5c08a0b---4</link>
            <guid isPermaLink="false">https://medium.com/p/f1831a89951c</guid>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[oncology]]></category>
            <category><![CDATA[health]]></category>
            <category><![CDATA[open-science]]></category>
            <dc:creator><![CDATA[Marc Fournier]]></dc:creator>
            <pubDate>Wed, 08 Sep 2021 14:42:05 GMT</pubDate>
            <atom:updated>2021-09-09T07:54:56.041Z</atom:updated>
            <content:encoded><![CDATA[<h3>SAISON 3 : Autour du Challenge 1 ORL/IA</h3><h3>Interview du Pr. Cecile Badoual</h3><p><strong>Les inspirations du challenge ORL/IA</strong></p><p>Aujourd’hui, nous rencontrons le Pr Cécile Badoual qui a fait naître le challenge ORL/IA d’Epidemium Saison 3 ! En quoi consiste son travail ? Qu’attend-elle des challengers d’Epidemium ? Elle vous dit tout !</p><p>Le Professeur Cécile Badoual est pathologiste, chef de service au service d’anatomo-pathologie de l’hôpital Européen Georges Pompidou (Assistance Publique Hôpitaux de Paris, France). Elle effectue également avec son équipe des travaux de recherche autour des cancers ORL en collaboration avec l’équipe 10 de l’unité Inserm U970 du Paris-Centre de Recherche Cardiovasculaire (PARCC) dirigée par le Pr Eric Tartour.</p><p>Son équipe est composée de profils différents : des étudiants en master 2, Dr Joey Martin et Dr Robin Baudouin, spécialisés en chirurgie ORL, Dr Charles Lépine, pathologiste spécialisé en ORL au sein du laboratoire de cytopathologie de l’hôpital Européen Georges Pompidou et Jessica Bastian, technicienne de recherche/assistante ingénieur.</p><p><strong><em>En quoi consiste votre travail et vos travaux de recherche ?</em></strong></p><p><em>Mon travail consiste à regarder au microscope des prélèvements (biopsies ou pièces opératoires) pour identifier une anomalie, par exemple s’il y a des cellules tumorales ou une infection. En cancérologie, le but est d’identifier quel est le type prolifération-s’il y en a une- pour pouvoir guider le mieux possible le chirurgien, le cancérologue et/ou le radiothérapeute qui prendront en charge les patients. Dans ces prélèvements, les pathologistes identifient également des facteurs prédictifs ou pronostiques qui vont permettre d’ajuster au mieux la thérapie à venir.</em></p><p><em>En parallèle, nous effectuons des travaux de recherche autour des cancers ORL, qui sont ma spécialité, et plus particulièrement les cancers de l’oropharynx (amygdales et base de langue) induits par le Papillomavirus Humain, ou HPV. Nous travaillons sur l’importance que peut avoir une infection par cet HPV, qui est un virus très connu et qui est impliqué dans les cancers du col de l’utérus, dans la cancérogénèse des cancers de l’oropharynx. Le travail de recherche de mon équipe est d’essayer d’expliquer la différence d’évolution de ces cancers liés au Papillomavirus et de comprendre le rôle des cellules inflammatoires et des cellules immunitaires autour des cellules tumorales. Ces cellules immunitaires qui luttent contre la prolifération tumorale interagissent aussi avec le virus qui a infecté les cellules qui sont devenues tumorales. Il est donc essentiel de déterminer leur rôle et leur implication dans l’histoire de ces cancers.</em></p><p><strong><em>Qu’est-ce qui vous a amené à collaborer avec Epidemium ?</em></strong></p><p><em>Ce sont des histoires de rencontres, de discussions de projets. Tout d’abord, l’objectif est d’avancer pour nous aider à établir un diagnostic le plus juste possible et à anticiper l’évolution des cancers HPV induits. Les pathologistes voient des images toute la journée, et savent très bien que l’intelligence artificielle et le déploiement d’algorithmes de lecture de ces images sont fondamentaux et vont prendre une place de plus en plus importante. Dans ce qu’on appelle la “médecine prédictive” les algorithmes vont accompagner l’aide au diagnostic.</em></p><p><em>Et puis j’ai la chance de connaître les organisateurs d’Epidemium qui m’ont proposé de fournir des lames et de montrer des travaux de recherche un peu compliqués car multiparamétriques, afin de demander de l’aide à la communauté.</em></p><p><strong><em>Qu’est-ce que vous attendez des challengers d’Epidemium ?</em></strong></p><p><em>Si jamais Epidemium permet de trouver des modèles pour prédire l’évolution des cancers de l’oropharynx, alors on gagnera un temps fou. On va pouvoir aller encore plus loin dans la compréhension de l’évolution de ces cancers. La finalité sera de sauver des vies et je suis sûre que ce n’est pas galvaudé quand je dis cela. Parce plus on pourra proposer un traitement adapté possible, avec le moins d’effets secondaires possibles plus on améliorera la survie et la qualité de vie des patients. Les effets des traitements peuvent être extrêmement délétères avec de lourdes séquelles fonctionnelles. Il faut savoir que ces patients sont généralement des patients jeunes et qui ont des vies parfois beaucoup compliquées après des traitements par radiothérapie, chimiothérapie ou après des interventions chirurgicales.</em></p><p><strong>Vous l’aurez donc compris, le but du challenge ORL/IA est d’aider concrètement les patients atteints de cancer et de sauver des vies</strong>.</p><p>Une interview réalisée par <a href="https://www.linkedin.com/in/aude-rochereau-6139a5176/?originalSubdomain=fr">Aude Rochereau</a></p><p>Pour en savoir plus sur ce challenge, rendez-vous sur JoGL : <a href="https://app.jogl.io/challenge/orlia">https://app.jogl.io/challenge/orlia</a></p><p>Rejoignez l’évènement de lancement de la Saison 3 ce Jeudi 09/09 à 18h <br><a href="https://www.meetup.com/fr-FR/Epidemium/events/280073227/">https://www.meetup.com/fr-FR/Epidemium/events/280073227/</a></p><p>Ce challenge vous inspire ? N’hésitez pas à former une équipe et/ou à rejoindre un projet !</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=f1831a89951c" width="1" height="1" alt=""><hr><p><a href="https://medium.com/epidemium/saison-3-autour-du-challenge-1-orl-ia-f1831a89951c">SAISON 3 : Autour du Challenge 1 ORL/IA</a> was originally published in <a href="https://medium.com/epidemium">EPIDEMIUM</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Epidemium saison 3, c’est parti !]]></title>
            <link>https://medium.com/epidemium/epidemium-saison-3-cest-parti-3cfa2499160d?source=rss----7403a5c08a0b---4</link>
            <guid isPermaLink="false">https://medium.com/p/3cfa2499160d</guid>
            <dc:creator><![CDATA[Aude Rochereau]]></dc:creator>
            <pubDate>Tue, 10 Aug 2021 16:11:50 GMT</pubDate>
            <atom:updated>2021-08-23T12:53:35.897Z</atom:updated>
            <content:encoded><![CDATA[<h3>Epidemium saison 3, c’est parti !</h3><p>Après 2 saisons riches de succès, Epidemium est de retour ! Créé initialement en 2015 par Roche &amp; La Paillasse, Epidemium est un programme d’exploration scientifique complémentaire à la recherche académique. Son ambition est de faire progresser les connaissances pour lutter contre le cancer par l’organisation de “data challenges” coopétitifs.</p><p>Les précédentes éditions ont montré tout l’intérêt de la recherche collaborative. En fédérant à la fois des communautés hétérogènes et des écosystèmes variés, cette intelligence collective a permis d’explorer de nouveaux territoires scientifiques et d’exploiter au mieux les données disponibles.</p><p>Pour cette troisième saison, les valeurs qui ont fait le cœur d’Epidemium restent les mêmes : l’ouverture, la collaboration, la transdisciplinarité et l’indépendance. De même que la volonté de travailler en cancérologie sur la base de données ouvertes en adoptant une approche communautaire, tout en gardant l’esprit de rigueur scientifique.</p><p>Cependant, Epidemium a su tirer des enseignements des expériences précédentes. Aussi, nous avons souhaité impliquer davantage la communauté médicale au cœur du programme par la cocréation de 2 data-challenges qui contribueront de façon inédite et concrète à la recherche sur le cancer :</p><ul><li>Un premier challenge, en collaboration avec <strong>l’hôpital Européen Georges Pompidou</strong> (Assistance Publique des Hôpitaux de Paris) portera sur les cancers ORL Papillomavirus induits. Les données, images de coupes histologiques de tumeurs ORL associées à des données cliniques anonymisées (grâce à la technologie Avatar) par la <strong>société Octopize dirigée par Olivier BREILLACQ</strong>, sont mises à disposition par le service d’anatomo-pathologie dirigé par le <strong>Pr Cécile BADOUAL</strong> avec l’aide de son équipe composée de Jessica BASTIAN, Dr Charles LEPINE, Dr JOEY MARTIN, Dr Robin BAUDOUIN et Dr Marguerite DURAND.</li><li>Un second challenge portera sur une structuration de la recherche autour des facteurs d’exposition aux cancers à partir de bases de données disponibles en Open Data. Cette idée, initialement portée par <strong>Géocancer au sein du groupe de travail “Intégration de données — Géocancer — Cancéropôle Ile de France” </strong>(Bastien RANCE, Hector CONTOURIS), et soutenue par un écosystème varié dont <strong>Kap Code</strong> (Adel MEBARKI, Léa CHATEAUNEUF, Simon RENNER) et l’<strong>Institut Curie</strong> (Julien GUERIN), vise à la création d’une agrégation de jeux de données ouvertes, utiles et pertinentes pour la communauté scientifique dans la recherche sur le cancer.</li></ul><p>Soutenu par Roche et en partenariat avec JOGL, ces 2 challenges se dérouleront sur une durée de 3 mois de septembre à décembre 2021, rythmés par de nombreux évènements permettant l’échange et la collaboration des challengers, et de se former (ou se perfectionner) grâce à l’intervention d’experts médicaux et en data sciences.</p><p>Les meilleurs projets seront choisis par un comité scientifique et un comité éthique sur la base de critères prédéfinis avant d’être accompagnés à la rédaction d’un article scientifique.</p><p>Ainsi, fort de son historique orienté sur les données et les architectures d’analyse associées à sa capacité à mobiliser des expertises et des compétences très diverses, Epidemium Saison 3 propose de conjuguer l’intelligence artificielle et l’intelligence collective dans le but de créer des outils médicaux concrets dans la recherche sur le cancer.</p><p>Pour vous inscrire à l’évènement de lancement, rendez-vous sur <a href="https://www.meetup.com/fr-FR/Epidemium/events/280073227/">https://www.meetup.com/fr-FR/Epidemium/events/280073227/</a></p><p>Pour en savoir plus sur les challenges et le déroulement du programme, rendez-vous sur <a href="https://app.jogl.io/program/epidemium3">https://app.jogl.io/program/epidemium3</a></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*4ubq-cfwmmU79V8h4MZntQ.png" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3cfa2499160d" width="1" height="1" alt=""><hr><p><a href="https://medium.com/epidemium/epidemium-saison-3-cest-parti-3cfa2499160d">Epidemium saison 3, c’est parti !</a> was originally published in <a href="https://medium.com/epidemium">EPIDEMIUM</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[CROWDSCIENCE CHALLENGE I WOULD LIKE TO PARTICIPATE IN: Participants insights from Epidemium & Dream…]]></title>
            <link>https://medium.com/epidemium/crowdscience-challenge-i-would-like-to-participate-in-participants-insights-from-epidemium-dream-a5fa5c088509?source=rss----7403a5c08a0b---4</link>
            <guid isPermaLink="false">https://medium.com/p/a5fa5c088509</guid>
            <category><![CDATA[epidemium]]></category>
            <category><![CDATA[open-science]]></category>
            <category><![CDATA[crowd-science]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[crowdsourcing]]></category>
            <dc:creator><![CDATA[Epidemium]]></dc:creator>
            <pubDate>Tue, 22 May 2018 10:17:33 GMT</pubDate>
            <atom:updated>2018-05-22T13:41:33.489Z</atom:updated>
            <cc:license>https://creativecommons.org/licenses/by-nd/4.0/</cc:license>
            <content:encoded><![CDATA[<h3><strong>CROWDSCIENCE CHALLENGE I WOULD LIKE TO PARTICIPATE IN: Participants insights from Epidemium &amp; Dream challenges.</strong></h3><h4><strong>By Olga Kokshagina, Olivier de Fresnoye, Yohann Sitruk, Ozanne Tauvel-Mocquet pour Epidemium</strong></h4><h4>Authors</h4><ul><li><a href="https://www.linkedin.com/in/olgakokshagina/"><strong>Olga Kokshagina</strong></a>, <a href="https://www.ispim-innovation.com/">ISPIM</a></li><li><a href="https://www.linkedin.com/in/olivier-de-fresnoye-23045934/"><strong>Olivier de Fresnoye</strong></a>, <a href="http://www.epidemium.cc/">Epidemium</a></li><li><a href="https://www.linkedin.com/in/yohann-sitruk-47289133/"><strong>Yohann Sitruk</strong></a>, <a href="http://www.mines-paristech.fr/">Mines ParisTech</a></li><li><a href="https://www.linkedin.com/in/ozanne-tauvel-mocquet-036378100/"><strong>Ozanne Tauvel-Mocquet</strong></a>, <a href="https://www.u-paris2.fr/fr">Université Paris 2, Panthéon-Assas</a></li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/283/1*YtbeO5pZZ046riKWNVJ7Qg.png" /></figure><p><em>Based on the workshop at the Recomb conference in Paris 2018 and discussions with Epidemium and Recomb participants</em></p><p>Crowdscience and open science programs are crucially important to make research more open, accessible to everyone. Every year, more and more organizations (both private and public) seek help from crowds, try to build new communities to contribute, propose or even fund research projects. A variety of different models exist today.</p><p>One of the most popular models are <strong>crowd science competitions</strong>. Organizations like <a href="https://www.xprize.org/">Xprize</a>, <a href="http://dreamchallenges.org/about-dream/">DREAM Challenges</a>, <a href="https://www.innocentive.com/">Innocentive</a> organize challenges to solve complex research questions. For instance, <a href="http://dreamchallenges.org/about-dream/">DREAM Challenges</a> is a non-profit community that specializes in biology and medicine. Dream challenges excel in building rigorous, reproducible challenges. DREAM leverage on crowds to “<em>find new and better computational models and then make these methods available to all</em>”. At the end of each challenge, the solutions submitted by the crowd are evaluated and winners usually get a reward. The model has a long proven track record since its creation in 2007 and DREAM Challenges have an excellent track of high level publications in Nature, Science attracting top scientists and experts to take part in the competition.</p><p>Recently, <strong>more open and inclusive open science initiatives gained their momentum</strong>. Polymath, <a href="http://epidemium.cc/">Epidemium</a> are just a few examples. These initiatives aim of course to solve the scientific questions but also to build an open &amp; collaborative community. For instance, <a href="http://epidemium.cc/">Epidemium</a> is an open science initiative that aims to understand cancer using open data approach. At the beginning of each challenge, only the minimal rules necessary to start the exploration are set: area of exploration, initial data sets, potential area of interest and scientific and ethical guidelines to respect. The rest is up to participants &amp; to the community in general with of course highly active presence of the Epidemium’s coordination team. What appeared unique in this program is the capacity of the project to bring together a variety of different participants : data scientists, medical doctors, sociologists, graphic designers, researchers, students, etc. Some of them were experts on cancer or data but definitely not all of them. Being more inclusive does not allow to guarantee outcomes especially in terms of relevant scientific results to the community at the end but allows to account for transdisciplinarity and establish bridges between different disciplines and non experts.</p><p><strong>In both crowd science competitions and more open &amp; collaborative projects, a community of participants is the key. </strong>The community of participants, so called solvers are critical for the overall success of these programs. It is crucial not just to engage them but make sure that they keep participating and feel engaged. <em>For that, we needed to understand why they have participated in the first place? Why some of them abandoned? What was important for them?</em></p><p>Recognizing the importance of respective communities that DREAM Challenge and Epidemium have built, we decided to ask participants directly. The insights were gathered during the RECOMB meeting workshops and during the individual interviews with some of the participants.</p><p>As a result, we have learned a lot from the community.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*P4JR-3Wk4f4XG5KbCH2VdQ.jpeg" /><figcaption>DREAM Challenge X EPIDEMIUM, RECOMB Satellite 2018</figcaption></figure><h4><strong><em>What drives participants to take part of open crowd science projects?</em></strong></h4><p>It will not come as a surprise but solvers of both programs stress out<strong> learning as a key driver for their participation</strong>. This learning is of different nature: learning an entirely new field, new methods to approach solving problems, learning from others and collaborating with other participants, etc. Open science programs provide possibility to deal with interesting and scientifically important topics where participation ranges from a desire to win to simply contributing and being part of something bigger : “<em>it gave me the chance to develop something</em>”, <em>“I could work on unique data sets</em>”, … Some of the participants were motivated by working on the <strong>cutting edge of technology &amp; science</strong>. Dream benchmarks are recognized for their quality and help participants to <strong>extend the state of the art</strong>.</p><p>Apart from learning and testing new methods; improving their skills; participants<strong> learn to work in teams</strong> (both inside their project and also during the challenge more generally : <em>community phase during the Dream Challenges or RAMP sessions during the Epidemium programs</em>); t<strong>o develop their leadership skills.</strong></p><p>For young scholars, crowd science challenges offer the <strong>opportunity to find jobs</strong>, for all the other participants (especially during the numerous conferences and meetups organized by Epidemium) <strong>to meet new people, to extend their network</strong>. For isntance, in Epidemium a possibility to access to the world of research and know different institutions that conduct research related to cancer was highly appreciated by professionals from other domains.</p><p>By providing tools, data, expertise, Epidemium appeared to participants as a great way to <strong>test their ideas, to develop projects with serious means and valuable guidance without taking personal and professional risks</strong>. The only asset participants have invested was their time.</p><h4><strong><em>What are the eventual drawbacks of their participation?</em></strong></h4><p>One of the major drawbacks mentioned by solvers is <strong>lack of transparency from the organizers and unclear communication</strong>. The majority of solvers interviewed stress out the importance of setting up clear rules right from the beginning and don’t change over time (standardized rules, selection criteria, incentives, duration, etc.). For crowd science challenges, participants indicate that topics are somehow unclear for some of the participants and they would like to be able to evaluate the problem complexity and have access to the relevant documentation (related to the topic) right from the start. Duration of the challenges seems to be too short as well. The overall infrastructure to conduct experiments should be reliable.</p><p>Organizers should be aware that participants invest their time and energy to these programs additionally to their normal duties. They feel <strong>overwhelmed by high amount of information and requirements to follow</strong> : “<em>These challenges are quite hard from life/ work time balance : you need to find free time to participate”.</em></p><p>Epidemium participants have highly appreciated the possibility of meeting people from a variety of different disciplines but they also indicate the <strong>difficulty of starting the real collaboration and going beyond simple networking</strong>. We believe that organizers role is crucial here, they need to establish settings adapted to transdisciplinary projects explorations.</p><p>In the final stages of the challenge and post-challenges, some of the solvers might benefit from organizers and other participants’ expertise in finalizing the projects, helping them write and publish their work, etc. In case of crowd science projects if the outcome is the publications, it should be <strong>clear from the beginning how the authorship works</strong> (first, last author, alphabetic order or not, etc.). <strong>Participants mentioned that it could be great to have linear authorships in publications. </strong>Moreover, publishing methods and data could be a great option as well. What if special issue challenges existed? Everytime we launch a new open science program, we guarantee that the best results will be considered for the challenge based issue.</p><p>In case new teams are formed for the program, there is a <strong>loss of momentum at the beginning before the team becomes efficient</strong>. Participants would like to have like minded teammates or additional onboarding and coaching sessions at the beginning of the programs.</p><p><strong>Having unique data &amp; reliable data</strong> is a well known challenge and having an access to larger data sets of often problematic but might be crucial for the program to succeed. It might be interesting to explore multiple partnerships to have a better data access.</p><p>Overall, the <strong>point of making open &amp; crowd science initiatives more prestigious and legitimate would be valuable for participants</strong>. It would give them more arguments to valorize their participation (<em>What if open science Nobel prize exist?</em>) and will motivate them to spend more time on their projects.</p><p>We do have a paradox today with dedicated short term challenges where participants invest a lot of time to compete in order to win the prize and more open &amp; inclusive participation where they feel attracted to the cause but participate whenever they have time to do it. The question is : <strong><em>How to balance the two while creating the positive outcomes in the long term?</em></strong></p><p><em>Participants’ feedback is crucial. We will be happy to hear about your experience in participating or organizing open &amp; crowd science initiative. Please contact us at </em><strong><em>ckmap@epidemium.cc</em></strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/70/1*n9_jDVsR8x6fsQEf5_Pwug.png" /></figure><p>Discover and take part in Epidemium:<strong> </strong><a href="http://www.epidemium.cc/"><strong>site</strong></a><strong> </strong>&amp;<strong> </strong><a href="https://platform.epidemium.cc/"><strong>plateforme</strong></a><strong>.</strong></p><p><strong>Join the community on </strong><a href="https://www.meetup.com/fr-FR/Epidemium/"><strong>Meetup</strong></a><strong>, </strong><a href="https://twitter.com/epidemium_cc"><strong>Twitter</strong></a><strong> &amp; </strong><a href="https://www.facebook.com/groups/epidemium/?fref=ts"><strong>Facebook</strong></a><strong>.</strong></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=a5fa5c088509" width="1" height="1" alt=""><hr><p><a href="https://medium.com/epidemium/crowdscience-challenge-i-would-like-to-participate-in-participants-insights-from-epidemium-dream-a5fa5c088509">CROWDSCIENCE CHALLENGE I WOULD LIKE TO PARTICIPATE IN: Participants insights from Epidemium &amp; Dream…</a> was originally published in <a href="https://medium.com/epidemium">EPIDEMIUM</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Epidemium - « Big » et « Open » data]]></title>
            <link>https://medium.com/epidemium/epidemium-big-et-open-data-572f770f6815?source=rss----7403a5c08a0b---4</link>
            <guid isPermaLink="false">https://medium.com/p/572f770f6815</guid>
            <category><![CDATA[meetup]]></category>
            <category><![CDATA[data]]></category>
            <category><![CDATA[cancer]]></category>
            <category><![CDATA[open-science]]></category>
            <category><![CDATA[epidemium]]></category>
            <dc:creator><![CDATA[Epidemium]]></dc:creator>
            <pubDate>Mon, 26 Mar 2018 13:19:38 GMT</pubDate>
            <atom:updated>2018-03-26T13:21:44.590Z</atom:updated>
            <cc:license>https://creativecommons.org/licenses/by-nd/4.0/</cc:license>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*GMNnLI3ARy_5i_HL9IG-dA.png" /></figure><h4>Epidemium X Institut Curie, Data Day, Intervention 1</h4><h3>Intervenant</h3><ul><li>Olivier de Fresnoye, <a href="http://epidemium.cc/"><em>EPIDEMIUM</em></a></li></ul><h3>Intervention</h3><p>Parmi les objectifs d’Epidemium, il y a ceux de diffuser, de comprendre, d’améliorer la recherche sur le cancer et les connaissances en ce domaine. Le programme, fondé notamment autour de l’idée de la collaboration, propose à tout acteur intéressé par cette problématique, quelque soit sa nature, son sujet et niveau d’expertise, de venir sur les briques primaires de connaissances constituées et de les co-construire dans le temps.</p><h4>Epidemium &amp; l’Open Data</h4><p>Le terme <em>open data</em> désigne toutes données qu’il est possible de réutiliser, quelque soit la finalité, recherche ou commerciale, et quelque soit l’acteur.</p><p>Le programme se situe dans le domaine de l’épidémiologie du cancer. Il travaille, à l’origine, avec des données dites <em>open data</em>, c’est-à-dire des données déjà publiques, qui sont, en général, plutôt populationnelles. Elles vont des registres des cancers jusqu’aux données environnementales, facteurs de risque et facteurs protecteurs de cancer, etc.</p><p>Epidemium récupère ces données, les agrège, les nettoie et les apparie depuis un ensemble de plateformes <em>open data</em>. Cela est notamment permis par le contexte actuel : le mouvement mondial <em>open data</em>, né maintenant il y a une dizaine d’années favorise la mise en œuvre et le développement de différentes plateformes au niveau local, des villes (i.e. : des données sur la pollution de l’air, la consommation, les espaces verts, des données environnementales), au niveau national (i.e. : en France, <a href="https://www.data.gouv.fr/fr/">Etalab</a> collige l’ensemble des données ouvertes et accessibles sur sa plateforme), au niveau international (i.e. : l’<a href="http://www.who.int/fr/">OMS</a>, l’<a href="https://data.oecd.org/fr/">OCDE</a> ou la <a href="https://donnees.banquemondiale.org/">Banque Mondiale</a> mettent à disposition, des données en <em>open data</em> concernant de nombreux pays)<em>.</em></p><h4>Les Valeurs d’Epidemium</h4><p>La logique de <strong>collaboration</strong>, autour de laquelle se développe le programme Epidemium,<strong> </strong>va de paire avec celle de <strong>transdisciplinarité</strong>. Il s’agit avant tout de réussir à travailler ensemble et de développer un cadre, un environnement partagé qui vient favoriser cela. Par exemple, entre un ingénieur de la donnée ou un architecte d’infrastructure de <em>deep learning</em> et un médecin, le langage n’est pas forcément le même. Epidemium souhaite ainsi faire en sorte que tous les types d’acteurs, depuis un patient jusqu’à un médecin en passant par l’ensemble des spécialistes de la donnée, puissent discuter, avoir une culture et un langage communs, comprendre les différents points de vue, et ce, afin de développer des connaissances scientifiques ensemble.</p><p>Par ailleurs, l’<strong>indépendance</strong> d’Epidemium est primordiale car dans une <strong>logique ouverte</strong>, chaque membre de la communauté, venant participer à un projet, lancer un projet ou produire de la connaissance, reste maître de ses contributions et de son temps. Les modalités de la participation restent les mêmes pour tous les acteurs engagés qu’ils viennent de donner une minute, une heure, un jour, un mois, etc.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*bdAAxc1F7V5my7WjnFo2jw.png" /><figcaption>Les Valeurs d’Epidemium — <a href="http://www.epidemium.cc/">www.epidemium.cc</a></figcaption></figure><h4>L’objectif d’Epidemium</h4><p>L’idée première d’Epidemium, d’un point de vue organisationnel, est d’opérer un programme de recherche sous forme de Challenges dans le but de créer, à la fois, de la collaboration, et aussi, une logique de compétition afin de stimuler tous les participants et acteurs engagés.</p><p>Aujourd’hui, Epidemium en est à peu près au milieu de sa deuxième saison. Les <a href="http://review.epidemium.cc/">résultats de la première saison</a>, qui s’est tenue en 2015–2016, ont largement dépassés les attentes : de nombreux projets ont été développés et salués par le jury du programme, constitué du comité scientifique et du comité d’éthique indépendant. Pour la deuxième saison, trois Challenges ont été proposés. Deux d’entre eux ont débuté en juin dernier et un troisième a été lancé en décalage de phase pour répondre au calendrier des étudiants, pour qui qui un calendrier sur juin décembre n’était pas idéal. Ce troisième Challenge permet alors de répondre aux nombreuses demandes exprimées par des enseignants universitaires et d’écoles, ainsi qu’à celles des étudiants désireux de participer.</p><p>Sur la base de tous ces projets, Epidemium souhaite non seulement fédérer un maximum de co-constructions, de contributions afin de venir en soutien et en complément de la recherche académique plus classique. L’idée est d’essayer d’adresser des grandes questions autour de l’épidémiologie du cancer, et d’être en mesure d’emmener les projets qui se développent au fur et à mesure des mois de challenges au-devant de la publication scientifique, considérée comme le l’aboutissement de la recherche scientifique.</p><p>Tout individu, quelque soit ses compétences et ses domaines d’expertise, est invité à venir voir, découvrir et éventuellement contribuer selon son temps disponible et son envie au programme. Epidemium organise, notamment pour favoriser la participation, de nombreux événements, notamment des <a href="https://www.meetup.com/fr-FR/Epidemium/">meetups</a>, qui donnent lieu à des comptes-rendus sur Medium. En effet, tout ce qui est produit comme connaissance dans le cadre du programme est prolongé par de la documentation et est rendu accessible sous licence ouverte.</p><h3>Organisateurs Epidemium X Institut Curie, Data Day</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/350/1*UUv5MarD-g3wraX64PCZEA.jpeg" /></figure><p>L’<a href="http://www.curie.fr/"><strong>Institut Curie</strong></a>, acteur de référence de la lutte contre le cancer, associe un centre de recherche de renommée internationale et un ensemble hospitalier de pointe qui prend en charge tous les cancers y compris les plus rares. Fondé en 1909 par Marie Curie, l’Institut Curie rassemble plus de 3 300 chercheurs, médecins et soignants autour de ses 3 missions : soins, recherche et enseignement. Fondation privée reconnue d’utilité publique habilitée à recevoir des dons et des legs, l’Institut Curie peut, grâce au soutien de ses donateurs, accélérer les découvertes et ainsi améliorer les traitements et la qualité de vie des malades. Cette collaboration est également portée par <strong>l’initiative In’C2</strong> qui vise à promouvoir les initiatives et méthodologies innovantes au sein de l’Institut Curie.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/350/1*rYiAIJGHG1Ly7jfYD17MSg.png" /></figure><p><a href="http://www.epidemium.cc/"><strong>Epidemium</strong> </a>est un programme de recherche scientifique, collaboratif et ouvert à tous, dédié à la compréhension du cancer grâce aux données ouvertes et aux technologies du big data. Epidemium est né en avril 2015, de la rencontre inédite entre l’entreprise pharmaceutique <a href="http://www.roche.fr/"><strong>Roche</strong></a>, leader en biotechnologies, et le laboratoire communautaire <a href="https://lapaillasse.org/"><strong>La Paillasse</strong></a>, réseau de laboratoires interdisciplinaires offrant le cadre technique, juridique et éthique nécessaire à la mise en œuvre de projets collaboratifs et open-source. L’objectif d’Epidemium est de s’appuyer sur l’abondance des données ouvertes et la force de l’intelligence collective pour ouvrir de nouvelles voies à explorer dans la recherche contre le cancer. La force d’Epidemium réside dans la communauté qu’elle a créée, qu’elle anime et qui continue à grandir : une communauté d’individus compétents, d’experts, de partenaires et d’institutions, unis par l’envie d’agir contre le cancer et conscients des compétences qu’ils ont à offrir pour cela.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/70/1*n9_jDVsR8x6fsQEf5_Pwug.png" /></figure><p><strong>Découvrez puis participez à Epidemium : </strong><a href="http://www.epidemium.cc/"><strong>site</strong></a><strong> et </strong><a href="https://platform.epidemium.cc/"><strong>plateforme</strong></a><strong>.</strong></p><p><strong>Rejoignez la communauté </strong><a href="https://www.meetup.com/fr-FR/Epidemium/"><strong>Meetup</strong></a><strong>, </strong><a href="https://twitter.com/epidemium_cc"><strong>Twitter</strong></a><strong> &amp; </strong><a href="https://www.facebook.com/groups/epidemium/?fref=ts"><strong>Facebook</strong></a><strong>.</strong></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=572f770f6815" width="1" height="1" alt=""><hr><p><a href="https://medium.com/epidemium/epidemium-big-et-open-data-572f770f6815">Epidemium - « Big » et « Open » data</a> was originally published in <a href="https://medium.com/epidemium">EPIDEMIUM</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Les Défis de l’analyse de nouveaux variants génétiques]]></title>
            <link>https://medium.com/epidemium/les-d%C3%A9fis-de-lanalyse-de-nouveaux-variants-g%C3%A9n%C3%A9tiques-1abb3bb47010?source=rss----7403a5c08a0b---4</link>
            <guid isPermaLink="false">https://medium.com/p/1abb3bb47010</guid>
            <category><![CDATA[epidemium]]></category>
            <category><![CDATA[cancer]]></category>
            <category><![CDATA[meetup]]></category>
            <category><![CDATA[genetics]]></category>
            <category><![CDATA[data]]></category>
            <dc:creator><![CDATA[Epidemium]]></dc:creator>
            <pubDate>Mon, 26 Mar 2018 12:50:45 GMT</pubDate>
            <atom:updated>2018-03-26T13:21:31.284Z</atom:updated>
            <cc:license>https://creativecommons.org/licenses/by-nd/4.0/</cc:license>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*GMNnLI3ARy_5i_HL9IG-dA.png" /></figure><h4>Epidemium X Institut Curie, Data Day, Intervention 5</h4><h3>Intervenant</h3><ul><li>Pr Dominique Stoppa-Lyonnet, <em>Pôle de médecine diagnostique et théranostique</em>, <a href="https://curie.fr/"><em>INSTITUT CURIE</em></a></li></ul><h3>Intervention</h3><p>Une des problématiques qui agite beaucoup les généticiens, et en particulier les pathologistes moléculaires, est celle de l’interprétation des variants génétiques (ou mutations génétiques).</p><p>L’ère du séquençage haut débit a mis en lumière la très grande diversité des données. Un exome, à savoir l’ensemble des parties codantes des gènes, représente environ 34 million de paires de bases (34Mb), soit 1,3% de nos 3 milliards de paires de bases qui constituent notre génome haploïde. En moyenne, pour un individu, il y a 20 000 variants ponctuels de petite taille (<em>single nucleotide variants</em>) et parmi eux, 500 sont rares au sens où ils sont présents chez moins d’un pour mille des personnes, et la moitié d’entre eux sont associés à une perte de fonction. Enfin, d’une génération à l’autre, il y a un variant <em>de novo</em> qui apparaît, c’est-à-dire chez un enfant par rapport à ses parents.</p><p>Ainsi, les grands défis de l’interprétation de ces variants, sont d’abord ceux de <strong>l’interprétation des variants perte de fonction</strong> qui sont à la recherche de leur maladie, quand il n’y a pas de maladie de phénotype associée.</p><p>D’autre part, et à l’inverse, il y a encore beaucoup de maladies génétiques, et sur les 9 000 recensées, à peu près la moitié ont leur base génétique identifiée, mais <strong>certaines maladies génétiques cherchent encore leur variant</strong>. Ainsi, la difficulté va être de faire d’une corrélation une relation de causalité. Ce passage n’est pas toujours aisé du fait précisément de la grande diversité de ces variants.</p><p>La cancérologie est touchée par cette problématique. De nombreux variants, même s’ils sont associés à une perte de fonction, ont un rôle dans la carcinogénèse (ensemble des éléments ou facteurs favorisant le développement d’un cancer, la transformation d’une cellule en une cellule cancéreuse) encore flou. Et, à l’inverse, il y a aussi, dans des gènes connus, des variants dont on ne sait pas quoi faire ; c’est le cas des gènes de prédisposition au cancer du sein qui seront mentionnés plus tard.</p><h4>La question de la diversité : le cas du consortium ExAC</h4><p>Le <a href="http://exac.broadinstitute.org/">consortium ExAC</a> a examiné 60 000 exomes d’individus non apparentés entre eux. Au total, il a été rapporté plus de 7 millions de variants différents, ce qui en fait environ un tous les huit paires de base. Ici, les variants sont les variants ponctuels, les petites délétions ou insertions.</p><p>De plus, sur ces plus de 7 millions, 54% d’entre eux sont des singletons, c’est-à-dire des variants rapportés qu’une seule fois chez un seul individu, et plus de 90% de ces singletons ne sont pas rapportés dans les bases de données. Cela souligne le travail d’interprétation posé.</p><p>Ce cas illustre parfaitement le défi actuel : plus le coût du séquençage diminue, plus les données de séquence augmentent et ainsi, avec cette diminution, les variants augmentent. Les variants annotés, c’est-à-dire les variants que l’on parvient à caractériser, augmentent mais l’écart entre les variants annotés et les variants générés ne cessent également d’augmenter.</p><h4>L’exemple des prédispositions au cancer du sein, le gène BRCA1 et le gène BRCA2</h4><p>Une bonne illustration de ces difficultés est l’étude des prédispositions au cancer du sein, et notamment du gène BRCA1. Toutefois, c’est aussi vrai sur un très grand nombre de maladies génétiques associées, en particulier, à des variants perte de fonction. Le corollaire de la perte de fonction est la grande variabilité allélique des mutations puisqu’il y a de nombreuses façons de casser un gène.</p><p>Ainsi, dans la base de données françaises des variants BRCA1, il y a un an, il y avait 897 variants dits pathogéniques car clairement associés à une perte de fonction rapportée dans nos bases sur plus de 6 000 familles, mais on a trouvé plus de variantes signification inconnue, au total 1 356, que de variants pathogènes. Pour le gène BRCA2, la problématique est la même, si ce n’est pire, car la séquence codante de BRCA2 est deux fois plus grande que celle de BRCA1 (10Kb <em>vs </em>5Kb).</p><p>C’est un véritable problème. Le constat est fait d’un désaccord sur l’interprétation et la classification de ces variants au sein même des bases de données internationales (<a href="http://www.hgmd.cf.ac.uk/ac/index.php">HGMD</a> à Cardiff,<a href="http://www.lovd.nl/3.0/home"> LOVD</a> en Hollande, <a href="http://www.umd.be/DMD/W_DMD/accueil_FR.html">UMD</a> en France, etc.). Par exemple, si un variant est rapporté dans deux bases de données, la concordance de l’interprétation de ce variant (entre pathogène, on ne sait pas, et neutre) ne sera que de 65% ; si un variant est rapporté dans quatre bases de données, la concordance ne sera que de 45% ; si un variant est rapporté dans cinq bases de données, la concordance ne sera que de 5%. Cette problématique s’invite dans la prise en charge des patients.</p><p>En effet, en 2013 la Cour Suprême des États-Unis a retenu le fait que l’ensemble des gènes ne pouvait être brevetés, provoquant ainsi la levée du monopole de réalisation des tests génétiques. Ainsi de nombreuses sociétés commerciales, notamment aux États-Unis, se sont mis à en faire, et Myriad Genetics n’a plus le monopole des tests BRCA1 et BRCA2. Cette levée a engendré une importante discordance. Par exemple, dans le <em>New York Times</em>, on a pu lire des témoignages de patientes atteintes de cancer qui ne savent pas quoi faire, leurs médecins n’ayant pas retenu la même interprétation d’un variant BRCA dont elles sont porteuses. De plus, au niveau de la prise en charge préventive qui peut passer par une mammectomie prophylactique, on s’aperçoit que la moitié des femmes qui n’ont pas une histoire familiale très sévère (une histoire familiale sévère pouvant conduire à une chirurgie prophylactique, même sans altération caractérisée), mais qui sont porteuses d’un variant de signification inconnue, ont eu, toujours aux États-Unis, une mammectomie. Ce chiffre est considérable.</p><p>Cet exemple pose la question plus générale de l’interprétation de ces variants génétiques.</p><h4>Les outils du généticien moléculaire et les outils du généticien clinicien</h4><p>Il est important de prendre en compte la conservation phylogénétique, la conservation à travers l’évolution des espèces, le changement physico-chimique entre un acide aminé donné et un autre, la fréquence du variant dans la population des sujets atteints <em>versus </em>les populations témoins. Par ailleurs, les populations témoins constituent également une véritable préoccupation, en particulier en France car nous n’avons pas une école d’épidémiologie qui privilégie les témoins. De plus, il existe de nombreuses attentes quant aux tests fondés sur la méthode <a href="https://fr.wikipedia.org/wiki/Cas9">CRISPR-Cas9</a> pourvu que la protéine étudiée ne soit pas trop complexe. Le problème de BRCA1 est que c’est une <a href="https://fr.wikipedia.org/wiki/Pl%C3%A9iotropie">protéine pléiotrope</a> et donc le test fonctionnel correspondant n’est pas disponible.</p><p>Le clinicien est très important. La clinique, le phénotype sont essentiels. Il faut vraiment avoir des phénotypes, une description clinique du patient très précise, sinon les études perdent en puissance.</p><p>Par ailleurs, pour des maladies rares à révélation pédiatrique, quand on peut montrer qu’il s’agit d’une mutation <em>de novo</em>, c’est un élément en faveur du rôle du gène muté de façon <em>de novo</em> dans l’apparition de la maladie. L’autre élément très important, en particulier pour les maladies à transmission dominante, c’est la coségrégation entre la maladie et le fait de porter le variant. Ce sont des études qui sont difficiles à mettre en œuvre car elles exigent une très bonne coordination clinique, et de plus, quand on va travailler variant par variant, il faut aller chercher les familles. Ce sont donc des études qui ne sont pas faites au niveau d’un seul laboratoire, d’une seule structure, ni même au niveau national, mais au niveau international.</p><p>Ainsi, tout ceci va poser la problématique des bases de données.</p><h4>La question bases de données</h4><p>Il est urgent et nécessaire de transformer une énorme quantité de data en informations. Dans cette transformation de la data brute en informations, le devoir premier du généticien est, surtout quand il se prête à cette médecine des risques, de ne pas se tromper. <strong>À titre de comparaison, la génétique, c’est souvent le risque des drames de la jalousie, c’est-à-dire celui de la surinterprétation des données.</strong></p><p>La constitution d’une base de données se confronte d’abord à des devoirs légaux. Ce n’est pas une entreprise triviale. On constate, avec l’arrivée de la nouvelle loi européenne (<a href="https://medium.com/epidemium/le-r%C3%A8glement-g%C3%A9n%C3%A9ral-sur-la-protection-des-donn%C3%A9es-rgdp-33787e6b7b92">Règlement général sur la protection des données - RGDP</a>) et sa transposition dans la loi française, des contraintes importantes. Elles ont pour vocation de protéger, de rendre confidentiel, et ce, dans l’objectif de ne pas discriminer. Il y a une responsabilité des généticiens, et plus largement des chercheurs et de l’ensemble des médecins, vis-à-vis des patients mais aussi de la population générale. Cette responsabilité se situe aussi dans ce mouvement du partage des données.</p><p>De plus, une base de données est quelque chose formidable au début. La difficulté réside dans sa <strong>pérennité</strong>. Il est facile de l’amorcer mais difficile de la maintenir. Une des difficultés est de parvenir à susciter la participation suivie des médecins et des généticiens moléculaires. Il faut continuer d’apporter des informations, d’alimenter la base. Cela pose alors aussi la problématique des <strong>financements</strong>. Et, c’est également, la question de <strong>l’articulation </strong>entre des données générées par le domaine public qui vont pouvoir être utilisées par des compagnies privées. Par exemple, pour les tests génétiques, est-ce que l’on donne toutes les données cliniques d’interprétation générées par le système public aux compagnies privées ou est-ce qu’il ne vaut mieux pas les leur proposer avec une rétribution en contre-partie ?</p><p>Nous sommes dans une situation de grande ouverture des données et cela soulève de nombreuses questions.</p><h4>L’exemple de Global Alliance for Genomics and Health (GA4GH)</h4><p>L’Institut Curie participe à un mouvement intéressant concernant le partage et l’ouverture des données : la <a href="https://www.ga4gh.org/"><em>Global Alliance for Genomics and Health (GA4GH)</em></a>. Cette dernière part du constat que les données en génomique et en génétique clinique sont souvent collectées et étudiées en silos : par maladie, par institution, par pays. La <em>GA4GH </em>est une ONG qui a pour vocation de faire une coalition internationale dont l’objectif est de <strong>construire un système de partage des données pour faciliter l’obtention et l’interprétation clinique des données</strong>.</p><p>Les instigateurs et acteurs de ce mouvement sont les mêmes qui ont participé au <a href="https://fr.wikipedia.org/wiki/Projet_g%C3%A9nome_humain">projet Génome Humain</a>, garantissant ainsi une grande honnêteté intellectuelle. Ainsi, les institutions fondatrices sont the <a href="https://www.broadinstitute.org/">Broad Institute of MIT and Harvard</a>, the <a href="https://oicr.on.ca/">Ontario Institute for Cancer Research (OICR)</a>, the <a href="https://www.sanger.ac.uk/">Wellcome Trust Sanger Institute (WTSI)</a>. Aujourd’hui, il y a 500 organisations, à la fois publiques et privées, qui participent et financent la GA4GH, dont the <a href="https://www.ucsc.edu/">University of California Santa Cruz</a>, the <a href="https://www.cambridgenetwork.co.uk/news/ga4gh-marks-two-years-of-progress/?">University of Cambridge</a>, the <a href="https://www.nih.gov/">National Institutes of Health</a>, pour ne citer qu’eux. La France, quant à elle, participe notamment avec l’<a href="http://www.e-cancer.fr/">Institut National du Cancer (INCa)</a> et <a href="https://www.france-genomique.org/spip/">France Génomique</a>.</p><p>Parmi les actions de la <em>GA4GH</em>, il y a trois <em>demonstration projects </em>essentiels :</p><ul><li><a href="https://beacon-network.org/#/about"><strong>The Beacon Network</strong></a><strong> </strong>: “<em>beacon” </em>en anglais désigne la balise. L’idée est de mettre une même balise sur un même variant quelque soit la base de données dans laquelle il se trouve. L’idée est de faciliter ainsi le partage des données associées. Par conséquent, l’objectif patent est non pas d’aller vers une base de données centralisée mais vers une fédération de bases de données. Cela répond notamment à la frilosité de tous les acteurs et au besoin de reconnaissance du travail accompli. Une seule base de données internationale est une entreprise difficile à mettre en place et demande beaucoup de temps, il vaut donc mieux aller vers une fédération de base de données.</li><li><a href="http://www.matchmakerexchange.org/"><strong>The MatchMaker Exchange</strong></a><strong> :</strong> l’objectif est de favoriser la découverte génomique à travers l’échange, via une plateforme dédiée, de profils phénotypiques et génotypiques, et ce pour les patients atteints de maladies rares. L’idée est de favoriser l’échange des données de cas avec des profils phénotypiques et génotypiques similaires qui se trouvent dans des bases de données isolées.</li><li><a href="http://brcaexchange.org/"><strong>The BRCA Challenge</strong></a><strong> </strong>: un des premiers projets développés dans le cadre de <em>GA4GH, </em>il se voulait être la preuve de son utilité, la POC. L’objectif de ce projet est de faire progresser la compréhension de la base génétique du cancer du sein, de l’ovaire et d’autres maladies en mettant en commun des données sur les variants génétiques BRCA1 et BRCA2 ainsi que les données cliniques, et ce, à l’échelle mondiale.</li></ul><h4>Plan France Médecine Génomique 2025</h4><p>Le <a href="http://www.gouvernement.fr/sites/default/files/document/document/2016/06/22.06.2016_remise_du_rapport_dyves_levy_-_france_medecine_genomique_2025.pdf">Plan France Médecine Génomique 2025</a> est un projet qui répond à la demande du premier Ministre M. Valls faite en avril 2015. Il souligne la place de la génétique qui est au cœur de l’innovation diagnostique, pronostique, thérapeutique et préventive.</p><p>La lettre de mission adressée alors à Yves Lévy, PDG de l’INSERM et président d’Aviesan, pose comme essentielle la définition des conditions nécessaires à l’utilisation du séquençage du génome en pratique clinique et prospective en France, et ce, dans les dix ans. Parmi les notions importantes, il est possible de mentionner le parcours génomique du patient et l’introduction de la génomique dans le diagnostic, son établissement et la prédiction des risques. On sort du cadre de l’oncologie.</p><p>La génomique est un sujet compétitif actuel, et ce, d’un point de vue international : un programme de génomique a été lancé en 2012 en Angleterre, en 2014 aux États-Unis et en Chine.</p><p>Le rapport remis en juin 2016 pointe quatre enjeux :</p><ul><li>Un <strong>enjeu de santé publique</strong> avec le diagnostic (errance diagnostique, en particulier pour les maladies rares), le pronostic qui est un élément crucial notamment pour les cancers, le traitement avec l’identification, par exemple, de nouvelles cibles thérapeutiques et de cibles thérapeutiques spécifiques au patient en tant que la génomique apporte une nouvelle nosographie (description et classification) des cancers qui ne repose plus seulement sur la localisation tumorale ;</li><li>Un <strong>enjeu scientifique et clinique </strong>en termes de la recherche et de traitement ;</li><li>Un <strong>enjeu technologique : </strong>Epidemium a un rôle à jouer dans cet enjeu, au sens où il y a une convergence des sciences de la vie et de l’information qui soulève des problématiques quant à la puissance de calcul, au stockage, au partage de ces informations ;</li><li>Un <strong>enjeu économique</strong> : il s’agit de développer une filière industrielle génomique avec l’idée d’avoir une certaine indépendance nationale voire de souveraineté sur la réalisation de ces tests et en aval des traitement.</li></ul><p>Ce rapport pose également des objectifs majeurs dont l’instauration du parcours génomique de soin, et l’introduction d’une filière nationale de médecine génomique avec l’idée de valorisation industrielle, de croissance économique. Aujourd’hui, un autre des objectifs posés, c’est 235 000 génomes ou exomes par an en 2020, sachant que nos capacités en 2017 sont estimées à 20 000 exomes et 10 000 génomes.</p><p>Parmi les dispositifs définis dans le Plan, il y a :</p><ul><li>des<strong> projets pilotes</strong> qui concernent des cancers, maladies rares ou communes, destinés à lever les verrous technologiques, cliniques ou réglementaires ;</li><li>un déploiement d’un réseau de <strong>douze plateformes de séquençage</strong> sur l’ensemble du territoire en 2020 ;</li><li>la problématique du <strong>dossier médical électronique</strong> du patient, standardisé et interopérable ;</li><li>la mise en place d’un <strong>dispositif d’évaluation et de validation</strong> des nouvelles indications ;</li><li>la mise en place d’une<strong> gouvernance</strong> adaptée aux enjeux du plan et la mise en place d’<strong>outils de suivi et de pilotage spécifiques</strong> ;</li><li>l’<strong>évolution des cadres réglementaires existants</strong> en fonction des bonnes pratiques et des normes juridiques, avec la problématique de l’anonymisation et de la possibilité tout de même de revenir vers le patient ;</li><li>la mise en place d’un <strong>centre national de calcul intensif, le CAD</strong> (Collecteur Analyseur de Données), qui est un point important et Epidemium peut se pencher dessus. Le CAD fait un peu peur aux généticiens moléculaires qui se demandent ce qu’il va faire, et par exemple, s’il va avoir la responsabilité de l’interprétation des données sachant que c’est un acte médical ;</li><li>la création d’un <strong>Centre de Référence technologique d’Innovation et de Transfert</strong> (CRefIX) ;</li><li>la création d’une <strong>filière de formations spécifiques</strong> au sein des universités et des grandes écoles ;</li><li>la définition d’un <strong>modèle économique</strong> assurant l’intégration pérenne de ce nouvel outil dans le système de soins en lien avec l’assurance maladie ;</li><li>la facilitation du développement d’un partenariat public privé clairement affiché.</li></ul><p>En cette fin d’année 2017, pour l’instant, ces projets ne voient pas vraiment le jour (cancer, maladies rares, maladies communes et études populationnelles). Ce sont en quelque sorte des POCs.</p><p>Concernant l’objectif du développement de plateformes de séquençage, en décembre 2016, il y a eu un appel d’offres, avec un cahier des charges précis, pour deux plateformes sur les douze mentionnées dans le Plan. Les deux lauréats sont le projet <a href="http://www.chu-lyon.fr/fr/auragen-plateforme-de-sequencage-du-genome-tres-haut-debit">AURAGEN</a> (Auvergne Rhône-Alpes Génomique), et le projet <a href="https://www.aphp.fr/actualite/plan-france-medecine-genomique-2025-selection-du-projet-seqoia">SeqOIA</a> porté par l’Assistance Publique - Hôpitaux de Paris, l’Institut Curie et l’Institut Gustave Roussy, plateforme nationale de séquençage génomique très haut débit. Ces deux plateformes n’ont pas encore assez de financements. Elles vont avoir un statut de laboratoire d’analyses médicales, et vont faire partie d’un groupement de coopération sanitaire. De façon périphérique, ce sont les laboratoires hospitaliers qui vont participer au projet pour, en amont, collecter les données patients avec un filtre sur les indications, et pour revenir ensuite, avec les résultats, vers les prescripteurs et les patients. Toutefois, la place des laboratoires dans le diagnostic proprement dit, n’est pas absolument clair.</p><p>Ainsi, le Plan France Médecine Génomique 2025 marque l’ère de la génomique en médecine et, en cela, il faut s’en réjouir car c’est une nécessité.</p><h3>Organisateurs Epidemium X Institut Curie, Data Day</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/350/1*UUv5MarD-g3wraX64PCZEA.jpeg" /></figure><p>L’<a href="http://www.curie.fr/"><strong>Institut Curie</strong></a>, acteur de référence de la lutte contre le cancer, associe un centre de recherche de renommée internationale et un ensemble hospitalier de pointe qui prend en charge tous les cancers y compris les plus rares. Fondé en 1909 par Marie Curie, l’Institut Curie rassemble plus de 3 300 chercheurs, médecins et soignants autour de ses 3 missions : soins, recherche et enseignement. Fondation privée reconnue d’utilité publique habilitée à recevoir des dons et des legs, l’Institut Curie peut, grâce au soutien de ses donateurs, accélérer les découvertes et ainsi améliorer les traitements et la qualité de vie des malades. Cette collaboration est également portée par <strong>l’initiative In’C2</strong> qui vise à promouvoir les initiatives et méthodologies innovantes au sein de l’Institut Curie.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/350/1*rYiAIJGHG1Ly7jfYD17MSg.png" /></figure><p><a href="http://www.epidemium.cc/"><strong>Epidemium</strong> </a>est un programme de recherche scientifique, collaboratif et ouvert à tous, dédié à la compréhension du cancer grâce aux données ouvertes et aux technologies du big data. Epidemium est né en avril 2015, de la rencontre inédite entre l’entreprise pharmaceutique <a href="http://www.roche.fr/"><strong>Roche</strong></a>, leader en biotechnologies, et le laboratoire communautaire <a href="https://lapaillasse.org/"><strong>La Paillasse</strong></a>, réseau de laboratoires interdisciplinaires offrant le cadre technique, juridique et éthique nécessaire à la mise en œuvre de projets collaboratifs et open-source. L’objectif d’Epidemium est de s’appuyer sur l’abondance des données ouvertes et la force de l’intelligence collective pour ouvrir de nouvelles voies à explorer dans la recherche contre le cancer. La force d’Epidemium réside dans la communauté qu’elle a créée, qu’elle anime et qui continue à grandir : une communauté d’individus compétents, d’experts, de partenaires et d’institutions, unis par l’envie d’agir contre le cancer et conscients des compétences qu’ils ont à offrir pour cela.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/70/1*n9_jDVsR8x6fsQEf5_Pwug.png" /></figure><p><strong>Découvrez puis participez à Epidemium : </strong><a href="http://www.epidemium.cc/"><strong>site</strong></a><strong> et </strong><a href="https://platform.epidemium.cc/"><strong>plateforme</strong></a><strong>.</strong></p><p><strong>Rejoignez la communauté </strong><a href="https://www.meetup.com/fr-FR/Epidemium/"><strong>Meetup</strong></a><strong>, </strong><a href="https://twitter.com/epidemium_cc"><strong>Twitter</strong></a><strong> &amp; </strong><a href="https://www.facebook.com/groups/epidemium/?fref=ts"><strong>Facebook</strong></a><strong>.</strong></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=1abb3bb47010" width="1" height="1" alt=""><hr><p><a href="https://medium.com/epidemium/les-d%C3%A9fis-de-lanalyse-de-nouveaux-variants-g%C3%A9n%C3%A9tiques-1abb3bb47010">Les Défis de l’analyse de nouveaux variants génétiques</a> was originally published in <a href="https://medium.com/epidemium">EPIDEMIUM</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[NVIDIA : IA et Deep Learning en santé]]></title>
            <link>https://medium.com/epidemium/nvidia-ia-et-deep-learning-en-sant%C3%A9-28024c95e1c4?source=rss----7403a5c08a0b---4</link>
            <guid isPermaLink="false">https://medium.com/p/28024c95e1c4</guid>
            <category><![CDATA[cancer]]></category>
            <category><![CDATA[deep-learning]]></category>
            <category><![CDATA[epidemium]]></category>
            <category><![CDATA[meetup]]></category>
            <category><![CDATA[data]]></category>
            <dc:creator><![CDATA[Epidemium]]></dc:creator>
            <pubDate>Mon, 26 Mar 2018 12:49:34 GMT</pubDate>
            <atom:updated>2018-03-26T13:21:21.914Z</atom:updated>
            <cc:license>https://creativecommons.org/licenses/by-nd/4.0/</cc:license>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*GMNnLI3ARy_5i_HL9IG-dA.png" /></figure><h4>Epidemium X Institut Curie, Data Day, Intervention 4</h4><h3>Intervenant</h3><ul><li>Guillaume BARAT, <em>EMEA Business Development</em>, <a href="https://www.nvidia.fr/page/home.html">NVIDIA</a></li></ul><h3>Intervention</h3><h4>NVIDIA et la recherche</h4><p>NVIDIA est avant tout connue dans le milieu du jeu vidéo caractérisé par du graphique très performant et toujours plus demandeur, en tant que les jeunes générations exigent des jeux de plus en plus réalistes et poussent ainsi le développement d’architectures ultra-performantes capables de faire, aujourd’hui, de la simulation physique ou de fluide au sein des jeux. À titre d’exemple, lorsque des bâtiments, dans un jeux, sont détruits, ils vont s’effondrer de façon réaliste.</p><p>Il y a maintenant dix ans, certains chercheurs ont utilisé ces architectures dites graphiques pour faire de la simulation numérique. Ces capacités ont donc été sortie du domaine du graphique pour servir un autre objectif. Par là, au fur et à mesure, le calcul scientifique sur carte graphique est né, les cartes graphiques étant utilisées pour faire tout sauf du graphique.</p><p>Plus récemment, avec l’avènement du <em>GPU Computing</em>, l’IA et les renouveaux algorithmiques de type<em> deep learning</em> révolutionnent une grande partie des industries aujourd’hui. NVIDIA est devenue un composant essentiel de cette révolution et a décidé d’adresser les questions d’IA et de <em>deep learning</em> en se focalisant principalement sur deux domaines très prometteur : la voiture autonome et le médical.</p><h4>NVIDIA et le domaine médical</h4><p>NVIDIA n’est pas nouvelle dans le milieu médical. Elle a commencé à s’y intéresser il y a plus de 10 ans avec des améliorations graphiques pour tout ce qui concerne la radiologie, les ultrasons, etc. Il y a eu des avancées fondamentales dans la détection et la classification des pathologies notamment liées au<em> deep learning </em>au travers de certaines cellules de recherche.</p><p>Cet avènement du <em>GPU Computing,</em> mentionné plus haut, se traduit par une augmentation du nombre de publications intégrant le <em>deep learning</em> dans le domaine médical. Elles soulignent une révolution présente dans le domaine médical en termes de précision, de rapidité d’exécution, etc.</p><p>De plus, il y a un fort développement de startups dans ce marché qui apportent des technologies complètement nouvelles, avec la possibilité notamment pour les gros acteurs du secteur (<a href="https://www.philips.fr/healthcare">Philips Medical</a>, <a href="http://www3.gehealthcare.fr/">GE Healthcare</a>) d’adopter plus facilement ces nouvelles pratiques en rachetant ces compagnies plus petites ou en travaillant avec elles.</p><h4>Pourquoi le deep learning aujourd’hui ?</h4><p>Aujourd’hui, le <em>deep learning</em> est un terme qui circule énormément alors même que ces technologies existent depuis plus de 40 ans. Cela est dû à la présence de trois composantes :</p><ul><li>la <strong>présence massive de la donnée</strong> qu’elle soit ou non structurée, générant de nombreux challenges ;</li><li>le<strong> renouveau de certains algorithmes</strong> de <em>deep learning</em> ;</li><li>la <strong>puissance de calcul </strong>désormais disponible au travers du <em>GPU Computing</em>, des cartes dites graphiques.</li></ul><p>Les technologies traditionnelles, malgré l’abondance de données aujourd’hui, peinent à atteindre les derniers pourcentage de précision qui vont permettre de rendre ces technologies de détection ou de compréhension de la donnée suffisamment pertinentes pour être utilisées dans l’industrie et dans des secteurs critiques. Dans le domaine médical, par exemple, il est impératif de détecter à raison un cancer et de ne pas effrayer inutilement un patient.</p><p>Or, les technologies de <em>deep learning</em>, à partir du moment où suffisamment de données sont à disposition, même s’il est nécessaire qu’elles soient un peu plus qualifiées et pas seulement brutes, vont permettre des avancées majeures quant à ces pourcentages manquants et pourtant cruciaux pour le développement d’une solution précise et pérenne.</p><h4>Comment définir simplement le deep learning ?</h4><p>Les méthodes traditionnelles de catégorisation reposent sur l’intelligence humaine. L’humain qualifie la façon dont l’ordinateur doit qualifier un cancer, définir que telle ou telle cellule est cancéreuse. Ainsi, c’est à la fois un informaticien et un médecin qui doivent créer l’intelligence algorithmique pour être capable d’avoir un outil qui va favoriser la pratique du médecin en lui conseillant, par exemple, de vérifier telle ou telle cellule pressentie comme cancéreuse. Cette manière de faire n’est alors pas scalable ou pertinente dans le milieu de la production, dans le milieu industriel car dès qu’un autre type de cancer ou de cellule sera observé, il faudra tout réinventer, nécessitant alors potentiellement plusieurs années de recherche et développement pour pouvoir caractériser efficacement.</p><p>Le <em>deep learning</em>, quant à lui, a l’avantage de demander nettement moins d’effort. Les efforts nécessaires sont ceux en amont dont l’objectif est d’avoir des bases de données qui permettent de dire si telle ou telle cellule est ou non cancéreuse, c’est-à-dire des bases de données qualifiées, structurées, nettoyées. À partir de là, c’est l’intelligence artificielle qui va faire d’elle-même sa catégorisation, décider comment reconnaître une cellule cancéreuse. Ainsi, le <em>deep learning</em> permet de faire des tâches relativement simples mais requiert de partir des données propres. Dans le milieu du médical, on va s’appuyer sur de données principales : l’image et le texte.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/762/1*tFF7Uz7xngohwaHprFfBPg.png" /><figcaption>Slide de la présentation NVIDIA utilisée pendant l’intervention lors du Data Day</figcaption></figure><p>En imagerie, par exemple, il s’agit notamment de détecter si une cellule cancéreuse est présente dans l’image, de classifier entre cellule saine et cellule maligne, de segmenter, de délimiter les endroits concernés par la maladie, de faire des prédiction sur l’efficacité de certains médicaments ou traitements, de faire des recommandations thérapiques basées sur un grand nombre d’historiques ou des antécédents du patient.</p><p>Concernant le langage, le texte, il s’agit de comprendre de mieux en mieux. On parle de <em>NLP </em>pour <em>Natural Language</em> <em>Processing</em> mais aussi de <em>NLU </em>pour <em>Natural Language Understanding</em>, compréhension du langage. Il s’agit donc d’aller un peu plus loin, c’est-à-dire pas uniquement de comprendre des mots clefs mais toute l’articulation de la phrase et donc notamment des négations, des enchaînements de raisonnements plus compliqués, et ce, afin de répondre à des concepts plus avancés et des questions plus ouvertes. Il s’agit d’aller plus loin tout en parlant de manière naturelle.</p><p>Les secteurs concernés sont tous ceux qui ont trait à l’imagerie, la radiologie, le traitement des pathologies, la dermatologie et l’ophtalmologie, tout ce qui est lié au traitement des données patients.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/758/1*yV2VRPHck6HCMzyykuRbgQ.png" /><figcaption>Slide de la présentation NVIDIA utilisée pendant l’intervention lors du Data Day</figcaption></figure><h4>Difficultés rencontrées</h4><p>Il est tout d’abord complexe d’avoir de la donnée structurée, labellisée, que ce soit dans l’image ou dans le texte. Cela est pourtant nécessaire afin que l’algorithme puisse apprendre à partir d’elle. Par exemple, une image doit indiquer la présence ou non d’un cancer, pour que l’algorithme puisse apprendre. En ce sens, le <a href="https://www.nih.gov/news-events/news-releases/nih-clinical-center-provides-one-largest-publicly-available-chest-x-ray-datasets-scientific-community">National Institute of Health Clinical Center</a> a publié tout un ensemble de radios des poumons qui ont été labellisées, et toutes ces données labellisées l’ont été de manière automatique par des technologies <em>deep learning</em>. Ainsi, à partir d’un petit jeu de données labellisées à la main, ils ont réussi à créer un grand jeu de données labellisées automatiquement.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/799/1*yeQN9CCVbHcgzPXLuDcNFQ.png" /><figcaption>Slide de la présentation NVIDIA utilisée pendant l’intervention lors du Data Day</figcaption></figure><h4>Les avancées possibles</h4><p>Il est possible d’améliorer la qualité de détection des cellules cancéreuses, par exemple grâce au <em>deep learning</em>, sans remplacer le médecin ; il n’en est d’ailleurs pas question. Il s’agit de perfectionner la détection des cellules de cancer en combinant à la fois la détection des cellules cancéreuses par l’algorithme et la détection faite par le médecin, en mêlant experts pathologiques et traitement du <em>deep learning</em>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/799/1*sb0ZIkfVHbMq4pDorQtE8A.png" /><figcaption>Slide de la présentation NVIDIA utilisée pendant l’intervention lors du Data Day</figcaption></figure><p>On va favoriser, à travers le traitement de données médicales plutôt textuelles, un assemblage d’images, la prédiction de la pertinence d’un traitement ou d’une maladie jusqu’à un an avant qu’elle arrive, permettant potentiellement son traitement chez certain patient.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/1*erlvLOoWxvLzsPdJfkgNGw.png" /><figcaption>Slide de la présentation NVIDIA utilisée pendant l’intervention lors du Data Day</figcaption></figure><p>Ainsi, il s’agit de pouvoir avoir facilement un maximum d’informations pertinentes afin d’être en mesure de les présenter à un médecin et de l’aider à prendre la bonne décision rapidement.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/799/1*MLq1Wn1HiPnU8xN-TozDDw.png" /><figcaption>Slide de la présentation NVIDIA utilisée pendant l’intervention lors du Data Day</figcaption></figure><p>Cela ne se limite pas à l’imagerie, à la détection et à la compréhension. Les technologies algorithmiques de <em>deep learning</em> vont aussi permettre la création de nouvelles molécules de médicaments, créées plus facilement et rapidement, favorisant un <em>time to market </em>plus court. Cela ne concerne donc pas uniquement la recherche mais aussi l’industrie, la clinique.</p><h4>Solutions proposées par NVIDIA</h4><p>NVIDIA n’est pas experte médicale mais elle va fournir l’ensemble des briques hardwares, informatiques nécessaires au traitement de l’ensemble de ces données d’un point de vue matériel pur (des serveurs avec des GPU, des cartes graphiques situées dans un <em>data center</em>), un ensemble de briques logicielles pour optimiser les serveurs, pouvoir fonctionner en parallèle avec un grand nombre de GPUs et pour masquer la complexité des algorithmes de <em>deep learning </em>afin que l’utilisateur puisse avoir des interfaces beaucoup plus simples. Enfin, NVIDIA propose également de la formation aux technologies <em>deep learning</em>, via le <a href="https://www.nvidia.com/en-us/deep-learning-ai/education/"><em>Deep Learning Institute</em></a>, et ce, de manière générale ou appliquée au domaine du médical.</p><h3>Échange avec le public</h3><p><em>Public : Autant le niveau de créativité apporté par ces technologies dans la découverte de nouveaux médicaments et de nouvelles approches thérapeutiques est clair, mais dans les approche diagnostiques c’est plus flou. Est-ce qu’il s’agit plus d’un renforcement de l’infaillibilité du diagnostic fait par l’homme (radiologue, pathologiste, …) ?</em></p><p>Par ces technologies et solutions, il s’agit avant tout de faciliter la vie du médecin, de la personne qui va analyser les images en lui pointant du doigt les cellules ou les parties de l’image qui sont problématiques et qu’il faut donc regarder. D’autant plus qu’il peut être amené à en examiner un très grand nombre en un temps assez court. Des travaux de recherche ont pu montrer que ces technologies permettaient de renforcer la pertinence du diagnostic. De plus, elles permettent aussi d’aller un peu plus loin dans l’analyse des antécédents, et ce, de manière assez large : regarder un très grand nombre de patients ayant des similitudes avec le cas étudié afin d’identifier le traitement le plus adapté, voir l’historique complet du patient, de sa maladie, etc. Enfin, elles peuvent tout à fait faciliter et renforcer le diagnostic à distance, et donc répondre à la question des déserts médicaux.</p><h3>Organisateurs Epidemium X Institut Curie, Data Day</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/350/1*UUv5MarD-g3wraX64PCZEA.jpeg" /></figure><p>L’<a href="http://www.curie.fr/"><strong>Institut Curie</strong></a>, acteur de référence de la lutte contre le cancer, associe un centre de recherche de renommée internationale et un ensemble hospitalier de pointe qui prend en charge tous les cancers y compris les plus rares. Fondé en 1909 par Marie Curie, l’Institut Curie rassemble plus de 3 300 chercheurs, médecins et soignants autour de ses 3 missions : soins, recherche et enseignement. Fondation privée reconnue d’utilité publique habilitée à recevoir des dons et des legs, l’Institut Curie peut, grâce au soutien de ses donateurs, accélérer les découvertes et ainsi améliorer les traitements et la qualité de vie des malades. Cette collaboration est également portée par <strong>l’initiative In’C2</strong> qui vise à promouvoir les initiatives et méthodologies innovantes au sein de l’Institut Curie.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/350/1*rYiAIJGHG1Ly7jfYD17MSg.png" /></figure><p><a href="http://www.epidemium.cc/"><strong>Epidemium</strong> </a>est un programme de recherche scientifique, collaboratif et ouvert à tous, dédié à la compréhension du cancer grâce aux données ouvertes et aux technologies du big data. Epidemium est né en avril 2015, de la rencontre inédite entre l’entreprise pharmaceutique <a href="http://www.roche.fr/"><strong>Roche</strong></a>, leader en biotechnologies, et le laboratoire communautaire <a href="https://lapaillasse.org/"><strong>La Paillasse</strong></a>, réseau de laboratoires interdisciplinaires offrant le cadre technique, juridique et éthique nécessaire à la mise en œuvre de projets collaboratifs et open-source. L’objectif d’Epidemium est de s’appuyer sur l’abondance des données ouvertes et la force de l’intelligence collective pour ouvrir de nouvelles voies à explorer dans la recherche contre le cancer. La force d’Epidemium réside dans la communauté qu’elle a créée, qu’elle anime et qui continue à grandir : une communauté d’individus compétents, d’experts, de partenaires et d’institutions, unis par l’envie d’agir contre le cancer et conscients des compétences qu’ils ont à offrir pour cela.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/70/1*n9_jDVsR8x6fsQEf5_Pwug.png" /></figure><p><strong>Découvrez puis participez à Epidemium : </strong><a href="http://www.epidemium.cc/"><strong>site</strong></a><strong> et </strong><a href="https://platform.epidemium.cc/"><strong>plateforme</strong></a><strong>.</strong></p><p><strong>Rejoignez la communauté </strong><a href="https://www.meetup.com/fr-FR/Epidemium/"><strong>Meetup</strong></a><strong>, </strong><a href="https://twitter.com/epidemium_cc"><strong>Twitter</strong></a><strong> &amp; </strong><a href="https://www.facebook.com/groups/epidemium/?fref=ts"><strong>Facebook</strong></a><strong>.</strong></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=28024c95e1c4" width="1" height="1" alt=""><hr><p><a href="https://medium.com/epidemium/nvidia-ia-et-deep-learning-en-sant%C3%A9-28024c95e1c4">NVIDIA : IA et Deep Learning en santé</a> was originally published in <a href="https://medium.com/epidemium">EPIDEMIUM</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>