RDV biomédical – conférences

RDV biomédical de l’UTC – 6e édition
Le Rendez-vous Biomédical de l’UTC souhaite favoriser le dialogue, encourager l’innovation biomédicale et l’émergence de nouveaux modèles.
– 8h55 : Accueil par Claire Rossi, directrice de l’UTC et présentation de la journée
– 9h00 -10h00 : Diagnostic intégré par Jérôme Prat, Business developer specialist, Philips Healthcare et Clément Carlut, Innovative health IT, Philips Healthcare
– 10h00 – 10h45 : Modèles expérimentaux in-vitro en cancérologie par Murielle Vayssade, Professeur des universités, laboratoire BMBI de l’UTC

De chemin mais au-delà des chiffres B on a toujours autant de plaisir à vous accueillir ici avec jean-mieu euh vous étudiant de formation niveau médical que ce soit le cycle ingénieur que ce soit master Master spécialisé ou bien certification àit mais quand même un petit mot particulier pour les master

Ingénierie de la santé nos étudiants nous ont beaucoup aidé encore cet anné ils nous ont accueilli euh ils vont continuer à à vous driver aujourd’hui notamment dans les ateliers de cet après-midi donc Merci beaucoup à eux mais toutes et tous que ce soit les étudiants que ce soitent aussi nos

Collègues des laboratoire de recherche de l’UTC notamment le laboratoire de BI mécanique eto inéérie que ce soit nos partenaires industriels venant des établissements de santé tous ces experts que souvent ont fait venir pour intervenir auprès de nos étudiants partager les connaissances partager les expérience et bien on est avec

Jean-Mathieu vraiment content de vous avoir tous ici alors en présentiel mais pas seulement c’est retransmis aussi sur les euh sur les réseaux sociaux donc on a sans doute du public aussi qui nous écoute de loin et euh bien évidemment on va parler de Scien on va parler de technologie parce que le thème

Aujourd’hui c’est l’intelligence artificielle en oncologie mais pas que euh on n’oublie pas hein notre communauté biomédicale elle n’oublie pas que derrière la technique derrière la science il y a de l’humain et donc autant les patients que les personnels de santé qui utiliseent les solutions qu’on leur propose euh et donc nos

Patients qui en bénéficient Infiné et bien seront au cœur de nos préoccupations aujourd’hui euh deux choses encore cet événement n’aurait pas pu avoir lieu sans le soutien de notre établissement donc je tiens à remercier le département de Génie Biologique le laboratoire de biomécanique et bioingénierie la cellule Master et la

Cellule apprentissage de leur soutien pérenne et merci beaucoup beaucoup beaucoup aussi au services de communication et servicees logisti de l’UTC euh je pense qu’on va être confortablement installé qu’on va passer des bons moments des moments conviviaux grâce à eux donc merci euh une dernière chose grand plaisir

Pour moi et un grand honneur c’est de passer la parole à Claire notre directrice de l’UTC qui va faire l’ouverture de cette de ce 6e rendez-vous biomédical merci merci beaucoup c’est c’est moi qui ai cet honneur et merci pour ça euh déjà chers partenaires académique chers partenaires industriel chers collègues

Chers étudiants euh bienvenue Bienvenue à l’UTC euh bienvenue dans cette journée 6e rendez-vous biomédicaux je pense que aujourd’hui et j’aime le rappeler que l’établissement l’Université de technologie a été créé pour faire ce lien est un trait d’union entre le monde académique le monde industriel et la société et ça s’incarne

Encore aujourd’hui dans cette journée euh l’UTC a été pionnière dans de nombreux domaines le biomédical cette approche particulière qui est vue jour dans nos murs elle a été pionnière aussi en intelligence artificielle alors même que ça ne s’appelait pas comme ça et aujourd’hui c’est la réunion de ces deux

Aspects qui va être abordé avec et comme l’a souigné Isabelle quelque chose de très important quelque chose qui est cher aux valeurs de l’établissement c’est toujours penser la technologie les avancées technologiques pour la société pour son impact sur la société pour l’humain et comme tu l’as souligné effectivement c’est une composante

Essentielle surtout dans vos métiers dans nos métiers puisque j’ai aussi je suis aussi issue du génie biologique de penser l’impact de ce qu’on développe en terme d’acceptabilité et de compréhension des patients et des utilisateurs donc je vais pas être beaucoup plus longue parce que le programme est très chargé en tout cas je

Pense que ça va va être une très belle journée on est ravi de vous accueillir ici et je vous souhaite donc une journée fructueuse et enthousiasmante merci Claire bon effectivement on a un programme chargé vous avez vu que la question qui soutend toute cette journée c’est effectivement l’impact de l’intelligence artificielle

Dans la prise en charge des patients alors on a essayé de la traiter par divers angles et c’est Philip qui va nous proposer une solution de continuum avec cette solution diagnostic intégré de l’anatomopathologie jusqu’à la prise en charge des patients en oncologie et c’est eux qui vont démarrer cette

Journée on est très heureux d’accueillir Clément Carlu et Jérôme Prat pour cette première conférence et on enchaînera après avec des questions plus fondamentales on reviendra ces modèles d’intelligence artificielle ils pourront jamais être alimentés sans que les modèles expérimentaux fonctionnent et donc on aura la chance d’avoir Muriel Bessad qui va nous faire une

Présentation de l’évolution des modèles 3D qui sont notamment développés au labor laatoire bmbi l’évolution des modèles 3D dans la compréhension des phénomènes de cancérisation on aura une pause après pour aller se remettre les neurones en place boire du café et découvrir les posters qui ont été présentés par nos

Étudiants du Master Ingénierie de la santé et on pourra terminer la matinée par un moment très important sur la personnalisation des soins c’est une des choses aussi importantes que auquel va répondre l’intelligence artificielle et Charlotte Robert de l’institut Gustave rousi nous fait le plaisir d’avoir accepté d’intervenir aujourd’hui pour

Pour nous montrer quels sont les apports de l’IA dans sa pratique de développement de modèle pour mieux segmenter les ou pour mieux proposer des des solutions personnalisées de traitement dans le cadre de la radiothérapie donc ça ça va être assez intéressant et assez applicatif aussi vous le verrez la dernière intervention

Se s’intéressera plus au aux impacts sur le marché et se posera la question de quels sont les facteurs clés du succès de ces technologies intégrantes de l’IA pour que quand elles viennent sur le marché elle répondent à un vrai besoin et qu’elle trouve trouve des clients et qu’elle répondent à aux problématiques

De santé d’aujourd’hui donc Philippe génoin nous fera le plaisir de de lineria nous fera le plaisir de nous présenter la la dernière présentation de ce matin enfin on est à l’UTC donc bien sûr il y a un volet sciences humaines et éthique qui nous intéresse donc l’après-midi se déroulera après avoir

Pris notre buffet on intégrera une table ronde qui va permettre de réfléchir aux enjeux éthiques qui sont soulevés par les questions d’IA et donc on aura une table ronde qui sera euh introduite par le professeur serousi de sbonne université qui a réfléchi au niveau national sur les questions éthique

Associé à l’utilisation de l’IA dans la pratique médicale donc ce sera une belle introduction pour faire se croiser les regards des gens qui utilise ses modèles et développe ses modèles mais aussi les questions du du du médecin qui se retrouve face à quelqu’un un objet qui est capable de prendre des décisions

Avec lui donc on on va réfléchir à ça ensemble et cette table ronde nous permettra d’introduire quatre ou cinq atelers cet après-midi porté par des start-ups innovantes avec des anciens de lutc qui nous font le plaisir de revenir vous les avez vu elles sont nombreuses so maxero avatar médical terapaneskaa et

Angogénis Analytics toutes propose des solutions innovantes pour la prise en charge des patients et donc vous feront des démonstrations par petit groupe comme on l’avait initié l’année dernière pour que vous puissiez comprendre le le le le les produits qui sont développés par ces par ces start-up

Donc un grand merci je laisse la parole à à Clément Carlu et à Jérôme Prat qui nous font le plaisir d’avoir accepté aussi de de parler ce pour nous présenter les solutions développées par Philips en intelligence artificielle bonjour à tous bonjour à tous ça marche très bien

Non ça doit être celui-là je pense donc ben merci beaucoup de nous recevoir on est ravi jérôme est un habitué de l’UTC il donne pas mal de de présentation de cours moi c’est la première fois donc je suis vraiment ravi de de venir ici donc je me présente je suis Clément Carlu et

Je m’occupe de la division pathologie numérique chez Philips en France et Jérôme je te la et Jérôme pr donc spécialiste leader sur et business développement sur le le côté spectral et qu’est-ce que ça apporte aujourd’hui en en imagerie scanner et en imagerie en géographique voilà donc le but le but

Aujourd’hui c’était de faire une vue un peu globale justement sur lia en oncologie qu’est-ce que ça veut dire qu’est-ce que c’est lia en santé mais surtout en oncologie et quel type d’IA qu’est-ce qu’on peut rencontrer dans nos dans nos systèmes mais globalement dans la la la suite du parcours patient et

Voilà on a essayé de mettre pas mal de petits exemples pour que ce soit un petit peu imagé et que et qu’on arrive à voir à bien voir ce que de quoi on parle donc voilà on va diviser la notre présentation en plusieurs plusieurs parties une partie un peu plus générale

Lié à en santé la stratégie de Philips sur l’intelligence artificielle et après on rentrera un petit peu plus dans le dans le vif du sujet avec Li en oncologie un focus sur différents types de modalités qui sont et et de servic finalement dans les hôpitaux qui sont à

L’origine assez indépendants les uns des autres notamment le service d’imagerie le service de d’anatomopathologie et qui aujourd’hui sont de plus en plus en train de converger de travailler ensemble d’aller vers ce qu’on appelle le diagnostic intégré euh donc voilà c’est c’est assez prospectif mais il y a des établissements qui commencent vraiment à

À réfléchir et à mettre en œuvre ces nouvelles pratiques pour infiner la meilleure prise en charge des patients et infiner des diagnostics et des prises en charge les plus précises possies et les plus personnalisé poss possiblees euh à la fin il y aura un moment d’échange enfin c’est intéressant

D’avoir aussi vos questions de voir comment on peut y répondre donc hésitez pas à nous poser des questions donc l’intelligence artificielle et la santé pour commencer qu’est-ce que c’est que l’intelligence artificielle donc on en parle beaucoup depuis quelques années mais en fait on en parle beaucoup depuis

Assez longtemps par contre ça a pris un ça a pris un un essort et et une présence sur le terrain vraiment importante depuis depuis oui depuis 5 6 ans quand on parle de d’intelligence artificielle c’est un terme assez générique c’est tout ce qui est des systèmes informatiques qui peuvent

Recevoir des données les traiter et agir en fonction de différents stimulis qui qui arrivve en de l’externe derrière ça un peu plus profondément il y a le machine learning donc là c’est l’idée c’est de entraîner des systèmes pour qu’ils s’habituent et pour qu’ils ait des des des framework de des des des

Méthodes de réponse en fonction de de ces stimulis ensuite ben on a la partie vraiment deep learning donc là qu’est-ce que c’est c’est finalement c’est des réseaux de neurau des des réseaux de neurones pardon comme on voit sur la sur la droite qui vont un petit peu euh remplacer enfin ressembler à ce

Qu’on peut avoir dans un dans dans un dans un cerveau avec différentes couches et donc on va entraîner ces ces réseaux de neurones pour pour leur faire donner des réponses à des à des voilà à des à des images dans notre cas pas mal ou à des des des informations qui viennent en

Entrée pour donner une réponse en sortie et puis B maintenant depuis 18 mois on parle beaucoup de d’AG générative donc là c’est des environnements qui vont pouvoir répondre de manière la plus naturelle possible à des à des questions et des interactions avec avec l’être humain le plus le plus naturel possible

Donc lia on se dit ok c’est c’est de l’informatique c’est du développement de de logiciel c’est euh c’est c’est vraiment du euh c’est vraiment du de de la data science mais en fait et notamment dans les environnements de santé mais on est beaucoup plus large que juste développer un algorithme et le

Mettre en en place sur un système et le et le faire fonctionner il faut gérer autour de de cet algorit tout plein de questions qui sont souvent assez complexes qui vont de l’infrastructure où est-ce qu’on comment on déploie la solution où est-ce qu’elle tourne c’est c’est très gourmand en terme de Ben en

Terme de ressources de processeur en terme de mémoire et cetera comment on gère ses ressources comment on les monitore comment aussi on entraîne les systèmes et donc du coup on vérifie les données sur lesquels on va entraîner les les systèmes comment on collecte ces données dans le dans

L’environnement de santé j’y viens juste après il y a quand même pas mal de questions autour de ça parce que c’est des données qui sont assez sensibles et puis ensuite comment on les analyse il y a plein de méthodes de techniques d’analyse qui vont être finalement assez différentes

D’un d’une question en fait parce que souvent l’intelligence artificielle on a d’abord une question dans notre cas une question clinique et on va choisir différents solutions différents types de d’analyse pour arriver à des réponses qui soient à la fois pertinentes à la fois robustes et FiBL et du coup en santé

Particulièrement voilà un petit peu le le processus donc il y a toute une partie de d’acquisition des des données donc comment on collecte ces données dans à partir de système clinique qui vont les générer comment on les prépare on les met en forme pour qu’elles soi de qu’elles soi homogène

Comment on les intègre à ce moment-là il faut les normaliser du coup il faut les anonymiser aussi il faut les agréger et il faut vérifier leur correspondance avec des vérités terrain c’estàdire que il faut un regard d’expert qui va dire oui cette donnée ce dossier là ce CASL

C’est bien tel ou tel type de pathologie celui-là par contre ça ne l’est pas et cetera ensuite donc ça c’est il y a un côté ben à la fois infrastructure et un côté des déjà assez médical ensuite il y a vraiment le côté data scientist donc

Quel type de modèle d’IA on va on va mettre en place euh comment on va le on va on va les utiliser pour s’adapter à la question à laquelle on veut répondre comment on va pouvoir valider ça par rapport au contexte clinique et enfin une fois qu’on a développé un modèle qui

Fonctionne sur une base d’entraînement comment on le déploie on le teste plus largement euh on le valide on le fait évoluer et finalement on le déploie non seulement dans son établissement ou son service mais aussi finalement dans le dans le monde entier dans l’ensemble des des établissements et pour l’ensemble

Des patients qui pourrai en bénéficier donc voilà c’est des chaînes qui sont assez complexes avec beaucoup de de spécialités beaucoup de de technologies euh du début jusqu’à la fin et toujours ce lien entre technologie et euh et gain médical euh du coup chez Philips je pense que vous connaissez un petit peu

Philips en santé c’est notre cœur de métier euh l’objectif c’est vraiment le bénéfice patient donc c’est aller vers une médecine qui est prédictive préventive donc prédictive ça veut dire que on va pouvoir prédire pour tel ou tel type de de de patient mais enfin surtout tel et tel type de comportement comment un

Patient va pouvoir potentiellement évoluer préventif donc du coup pouvoir traiter en amont d’une phase aigu ce patientl euh personalisé parce que bah du coup chaque chaque patient et chaque pathologie est est différente et participative l’idée de du côté participative c’est pouvoir engager aussi le patient qui soit acteur de sa

Propre santé et donc l’engager dans l’ensemble du parcours de soins qui on le voit est quand même assez technique et donc du coup il faut que les patients restent quand même acteurs de leur de leur prise en charge et il faut qu’on puisse diffuser et et et et et

Généraliser un petit peu les les messages et les TEX technologie qu’on utilise pour que chacun puisse puisse comprendre ce qui se passe autour de sa santé personnelle et du coup on a quatre axes privilégiés chez Philips et aujourd’hui on va se concentrer du coup sur la médecine de précision en

Oncologie chez Philips en France autour de ces sujets d’IA en santé on a développé un centre d’innovation qui est à Paris qui s’appelle le hecare innovation Paris euh donc c’est un pôle d’innovation dans dans le cœur de Paris avec plus de 220 ingénieurs et chercheurs qui intègrent aussi des

Start-ups que Philips a racheté donc cardiologue qui va faire du du monitoring de de CG capsule qui va faire de l’interopérabilité de la connexion de l’ensemble des système qui génère de la donnée dans l’hôpital c’est un centre qu’on a mis au centre de Paris parce que ça permet

Aussi d’avoir des coopérations avec les acteurs publics donc les les les pouvoirs publics et aussi les professionnels de santé en en tant qu’industriel en tant que éditeur de logiciel on ou de solu et fabricant de solution informatique on peut pas tout seul direah voilà cette solution elle est superbe mettez-la dans votre service

Dans votre hôpital ça va ça va couvrir l’ensemble de vos de vos besoins cliniques il faut depuis le début jusqu’à la fin avoir ces interactions avec des professionnels de santé et c’est une des forces justement de ce de ce hub c’est de pouvoir discuter avec des médecins des professeurs des

Chercheurs et travailler en amont jusqu’à à la réalisation d’une d’une solution qui euh d’une solution clinique Infiné avec trois axes qui vont être du coup la la gestion des données au sein de de l’hôpital il y a quand même de plus en plus de de données numériques dans un hôpital l’interopérabilité des

Systèmes c’est clé pour pouvoir s’assurer que bah voilà qu’on puisse prendre euh prendre en charge et et et intégrer des données dans un dans un service particulier mais qu’on puisse ensuite globaliser et intégrer le même type de données mais venant d’autres constructeurs ou d’autres types de machines ou d’autres de d’autres

Générations de systèmes dans d’autres hôpitaux dans d’autres services et puis le dernier point c’est le côté cybersécurité euh les données de santé c’est une des données numériques qui a le plus de valeur euh on en entend parler beaucoup trop souvent d’attaques d’hôpitaux qui les bloquent complètement

Et cetera et donc il faut que cet aspect cybersécurité aussi soit intégré dès le développement et au cœur des solutions pour pouvoir limiter au maximum le le risque d’attaque et donc du coup ce heb innovation c’est c’est 220 220 personnes qui travaillent donc rure et au mur à la

Fois des experts de la donnée des experts des processus d’IA et de de machine learning des développements des développements ce qu’on appelle des développeurs full stack donc qui vont depuis l’interface utilisateur jusqu’à à l’algorithme des designers de solutions et d’interface utilisateur puisque c’est bien d’avoir avoir une superbe solution il faut que

Les utilisateurs et c’est souvent des médecins qui sont dans des contextes d’urgence de pression puissent utiliser les systèmes facilement et comme je disais mais j’insisterai toujours là-dessus c’est le côté expert clinique il faut si on veut développer un bon outil d’IA en santé et notamment en oncologie intégrer dès le début des experts

Cliniques donc voilà encore des images de notre hub innovation voyez on a des systèmes on simule des hôpitaux complets dans notre dans notre hub l’idée c’est de pouvoir vraiment tester grandeur nature avant de déployer dans un hôpital nos solutions et et le retour est-ce que ça fonctionne oui au JFR donc au journé

Française de radiologie chaque année il y a des Data challenge chaque année il y a des Data challenge et bah Philips l’a gagné a eu le premier prix plusieurs fois euh donc voilà ça fonctionne et c’est à chaque fois c’est data challenge c’est justement des équipes red des équipes

Machine learning et en même temps des médecins qui travaillent avec nous sur le développement de des solutions voilà pour l’intro sur Ia en santé maintenant la filière la filière oncologique en oncologie euh on a une filière qui est sous tension euh pourquoi elle est sous tension parce que

Benah malheureusement le nombre de de cancers augmente à la fois pour des raisons environnementales mais aussi pour des raisons on de vieillissement de la de la population et donc le euh l’Agence Mondiale de la Santé prévoit d’avoir une augmentation de moins 60 % des du nombre de cancers dans les 20 prochaines années

Euh euh du il y a aussi une augmentation de la pression sur les coûts de la santé hein on en entend parler régulièrement on essaie de limiter le budget de la santé c’est un budget qui est qui est en augmentation et que les pouvoirs publics essayent au maximum de de de de cadrer

Et et et et d’encadrer on a euh tous les jours des nouveaux médicaments des nouvelles prises en charge des nouvelles thérapeutiques qui apparaissent mais qui dit nouvell thérapeutique nouveau médicamentens dit aussi en amont nouveau type de diagnostic et comment est-ce qu’on va personnaliser pour dire oui ce

Patient il peut rentrer dans telle ligne de traitement euh celui-ci plutôt dans une autre et cetera euh on a encore pourtant aujourd’hui des systèmes de données qui sont très ogène donc c’est assez encore compliqué de se dire voilà on arrive et on peut tout intégrer facilement toutes les données de du

Patient dans un établissement et on va pouvoir le dupliquer le le copiercoller dans un autre établissement euh on a des ça ça rejoint le le point sur les nouvelles thérapeutiques c’est qu’on a des caractérisations des tumeurs qui sont de plus en plus complexes avec des sous-tilp dégradation il y a quelques

Années voilà un type de de cancer sur une sur un organe c’était bah voilà on a un cancer par exemple on a un cancer des poumons maintenant on a une trentaine de sortes de sous-types de de cancer du poumon et il faut pouvoir à chaque fois

Dire bon voilà ce patient il est plutôt euh c’est plutôt ce type de ce type de de de cancer qu’il a pour pouvoir le traiter correctement et on a euh autour de l’oncologie aussi une augmentation des spécialités médicales des surspécialités et de une augmentation de la complexité des systèmes de du parcours de

Soins du coup euh en IA en oncologie quel type d’IA on va pouvoir utiliser je les ai séparé en en trois grands types il y a lien intégré donc là j’ai mis plutôt la pathologie parce que c’est mon domaine mais juste après euh gérô va parler plutôt de la partie scanner mais

On a lia qu’on appelle intégré donc c’est qu’est-ce qu’on va mettre dans les systèmes dans nos machines dans nos dispositifs médicaux pour pouvoir créer la meilleure image pour pouvoir avoir directement le bon la bonne image correcte et de qualité diagnostique du premier coup le plus rapidement possible et cetera

Ensuite il y a toute la partie Ia applicationnelle donc là bah ça va être les outils de les outils de traitement et on va avoir différents catégorie donc l’analyse quantitative mesurer une lésion mesurer un nombre de lésion et cetera des outils vraiment panel diagnostique qui vont dire bah voilà avec toutes les données

Que j’ai ce patientl il est rentre dans tel grade dans tel type de de de de maladie on a des outils maintenant qui donnent des orientations thérapeuti qui vont pouvoir valider le profil d’un patient avec un médicament par exemple et puis toutes ces données pour aller vers ce ce qu’on appelle notamment le

Diagnostic intégré donc agréger des données qui à la base étaient pas faites pour communiquer ensemble voilà un peu la la la l’introduction générale je vais laisser Jérôme parler plus spécifiquement du scanner spectral et de Lia al effectivement moi je vais faire le premier maillon c’est l’acquisition finalement de de toutes de toutes ces

Données et comment comment comment on fait alors on aurait pu choisir euh plein de de modalités donc moi je je m’occupe de la branche scanner donc dans un premier temps on part un petit peu sur des sur des sur des innovations et sur toutes notre gamme scanner

Finalement on va rencontrer de l’IA de partout donc l’IA aujourd’hui c’est pour accumuler les données ça on l’a vu mais l’IA c’est aussi pour améliorer le flux améliorer le le le le travail dans un premier temps du manipulateur déjà aussi rien que la accueil du patient le bien-être avec des des codages des

Codages lumière donc intégré directement à nos à nos protocoles et puis petit à petit tout au long de la chaîne dès qu’on fait de l’acquisition de la reconstruction ou du post-traitement comme on a parlé Clément on va retrouver euh de de l’intelligence artificielle donc tout ça c’est pareil hein ça marche

Avec des des réseau de de neurones un petit peu supervisés et ça va amener bah des Nets avantages parce que c’est entraîné sur des modèles sur des modèles patients qui vont accélérer euh beaucoup beaucoup de choses alors je vous passe les les les noms de programme mais en

Terme d’image il y a une amélioration nette en terme de de résolution en contraste des résolution spatiale et tout ça en diminuant les doses de façon assez impressionnante jusque à 50 % des valeurs aujourd’hui guide euh estimé alors juste quelques images pour vous montrer un petit peu d’où on vient à

Avant on était sur des images qui étaient un petit peu bruité et euh et on on calculait ici des éléments dans l’image qui mesuraient le bruit le rapport signal bruit de l’image et c’est vrai qu’avec lia sur les mêmes les mêmes doses on arrive à diminuer largement les

Les améliorer le rapport signal bruit et diminuer le bruit de l’image donc ça c’est une performance déjà en terme de qualité image il a des performances aussi en terme de construction et aujourd’hui si on prend l’intelligence artificielle et plutôt là on est sur le Deep learning en terme de

Reconstruction ça dépend les les les les les technologies bien évidemment mais aujourd’hui on peut aller jusqu’à 1 image par seconde en terme de de de reconstruction et là en particulier sur sur l’imagerie spectrale je reviendrai un petit peu plus un petit peu plus tard vous avez également donc une autre image

Là où en terme de dose on dit on va aller encore encore plus loin au lieu de de faire seulement la moitié des VGD on va dire on va faire un/ers de de la valeur guide et on s’aperçoit que là aussi on on arrive vraiment à des solution très très impactante au niveau

Des diminutions des diminutions de dos h en terme de il y a après il y a une nouvelle qui arrive c’est lia avec l’imagerie spectrale jusqu’à présent on avait pardon euh jusqu’à présent aujourd’hui les scanners avait les données images et on avait en particulier trois résolutions

Que le radiologue avait sur son sur son scanner donc grosso modo quand on faisait un thorax abdomen pelvis on avait min image et ça il fallait pour faire travailler les les les les datas et et faire travailler les les les réseaux de neurone il fallait multiplier

C tap et trouver à peu près les mêmes patients de la même taille pour que les imag soit le plus les les données soient le plus uniformes possible le plus homogène possible maintenant un nouveau facteur arrive c’est l’imagerie spectrale qui rajoute finalement au scanner une donnée supp entaire qui est

La résolution spectrale et sur les mimages d’un tap sur de l’imagerie conventionnelle dès qu’on passe en imagerie spectrale on fait plus un traitement de 1000 images mais sur le même patient on fait un traitement de 150000 images donc 150000 images donc c’est autant de de de d’accélération des

Algorithmes et c’est là il va y avoir un vrai intérêt pour que les pour la performance finalement des des algorithmes euh donc on va arriver sur de de nouvelles possibilités en terme de données parce qu’il va y avoir de plus en plus de données donc ça entraîne

La gestion un autre problème sur la gestion des datas mais ça c’est un autre un autre une autre problématique mais en fait cette multiplication des datas va nous ouvrir pas mal de choses donc l’imagerie spectrale aujourd’hui en prenant un petit peu quelques exemples on peut par exemple passer d’une

Imagerie conventionnelle à une imagerie ici où on dit on sélectionne juste la molécule d’Ode et montrez-moi ce qui se passe avec la molécule d’Ode donc on parle d’oncologie quand on parle d’oncologie et ben on voit ici le pancréas le pancréas c’est le le cancer le plus le plus dangereux et en terme de

Survie il y a il y a 5 à 10 % à 5 ans et ben quand on va pouvoir aller sur l’imagerie spectrale ici et et on va pouvoir mieux détecter é de façon plus précoce on va pouvoir même aller plus loin on va pouvoir aller voir avant que

La maladie se développe sur le sur le foid rien qu’avec l’image on va pouvoir montrer ici des champs inflammatoires grâce à à l’image spectral et tout ça c’est issu de l’imagerie conventionnelle donc cette multiplication des datas va dans une certaine mesure améliorer la performance des des algorithmes encore un exemple

Ici sur le sur sur un cancer du pancréas où on montre ici cette fois et là on la voit pas du tout des des lésions qui apparaissent dans un stade très précoce donc cette imagerie entraîne de nouvelles normes et ça c’est l’objet d’une belle publication d’une équipe de

De de Besançon et en fait qui montre des nouveaux une nouvelle normalité des analyses quantitatives finalement de la paroie intestinale en terme de perfusion sur des choses qu’on avait pas et qui ouvre un potentiel euh assez impressionnant euh des des des nouvelles possibilités du du du du scanner donc

Les ce que alors un autre un autre champ aussi sur sur les lésions un petit peu plus compliquées dans les dans les tumeurs de de l’estomac vous voyez quand on fait des traitements il y a certaines lésions par exemple qui diminuent pas de taille mais tout va se passer à l’intérieur de

La de la lion et là par exemple quand on va sur des imageries qui montrent un peu plus de réhaussement on voit que la même lésion donc un examen de mars en imagerie conventionnelle et en juillet il y a pas de différence et là en entre les deux entre cette nouvelle imagerie

Qu’on appelle photoélectrique elle est ici on voit une différence de contraste donc ça on sait la quantifier et on sait maintenant faire des mesures très euh par rapport à la à cette nouvelle norme de de de perfusion on fait des mesures maintenant où on voit euh en

Rouge hein donc c’est c’est euh c’est la euh la lésion normalement qui est qui est nécrosé donc qui est pas active et en vert c’est la lésion qui est active on voit que ici avant traitement la lésion est très active donc très dangereuse puis dès qu’on fait le

Traitement et ben là on voit maintenant que la lésion est très peu active donc une imagerie euh scanner classique conventionnelle n’aurait pas pu déterminer un une performance de thérapie tandis que là et ben il y a une vraie une vraie performance donc ça en fait ça va permettre d’avoir des

Nouvelles classifications euh et euh en grâce grâce à l’imagerie spectral et à l’accumulation des datas alors là je vais faire le parallèle maintenant un petit peu avec les les différentes euh possibilités on voit une amélioration quand on on fait la combinaison réseau de neurone imagerie spectrale on voit

Une amélioration pour améliorer le flux de travail et la précision du diagnostic grâce à une meilleure localisation et une meilleure classification euh des des des lésions donc pour reprendre ce que disait Clément tout à l’heure au niveau de la gradation de la lésion on arrive de plus en plus à

Personnaliser les traitements en fonction de ce qu’on voit sur l’imagerie la deuxième chose c’est au niveau de la segmentation on arrive à mieux segmenter de façon automatique grâce à cette imagerie en terme de fois le Foix qui qui est gras ce qu’on appelle la c’est des maladies aussi qui sont

Très difficiles parce que c’est des bas contrast qu’on doit aller chercher c’est des maladies qui sont très difficiles c’est très donc en fction de de de ce entourage cette détection et ben ça va nous ça va avoir un impact forcément dans le traitement du du traitement du

Patient ça va améliorer la prévention ça va améliorer le dépistage un autre exemple pour améliorer euh au niveau de l’oncologie et en terme euh en en en fait de travailler sur les différents algorithmes là c’est des des choses maintenant on on est sur euh un petit

Peu des alertes dans l’image on crée des alertes on on on on on appelle ça le on appelle ça le spectral alerte dans un cas comme ça on voit on voit rien donc il y a beaucoup de données est-ce que le est-ce que tout le monde va avoir l’audace d’aller regarder une imagerie

Complémentaire parce que bah il est en retard dans son programme et ben on va lui faire une alerte et puis on va lui dire si si il faut y aller et clairement et ben ça va nous ça va montrer des nouvelles possibilités voyez ici de composition sur de l’image des

Compositions atomiques de l’image et ça c’est c’est déjà en en place et c’est déjà très courant un autre exemple par exemple sur l’embolie pulmonaire quand on fait une embolie pulmonaire en général on regarde ce qui se passe au niveau du thorax au niveau des artères mais des fois ben on descend un petit

Peu plus bas au niveau du choix et là aussi on fait des alertes et là clairement quand on fait des alertes et ben on s’aperçoit que il y a des lésions ici qui qui qui qui sont des des petits modules qui se qui se réhaussent anormalement et ça c’est de la détection

Précoce et là on progresse de plus en plus dans ce domaine des cancers de pronostic et là c’est des cancers de pronostic plutôt défavorable donc aujourd’hui le challenge le challenge il est là il est mieux découvrir et comment autour de l’IA on peut on peut on peut

Aider tout ça quand on voit une lésion finalement au niveau de la lésion vous avez vous avez plein de choses vous avez une couche externe qui est principalement vasculaire vous avez une couche de de transition donc là c’est du tissu certainement tumoral et puis vous

Avez le noyau de la tumeur et c’est en général le tissu qui qui est en premier nécrotique quand on fait une image et quand on fait des des des ponctions par exemple bah là on on on voit ça et puis bah quand on doit aller chercher une

Ponction qu’est-ce qu’on fait on sait on sait pas trop ben là pareil on peut faire une alerte en disant regardez vous avez la nécrose qui apparaît ici et ça c’est de la nouvelle imagerie délivrée par le par par par par le spectral du scanire vous avez une nécrose ici vous

Avez la couche de transition ici puis tout le côté vasculaire et quand il faut aller voir si le tissu et le traitement est efficace bah il faut surtout pas taper ici il faut surtout taper autour de la couche de transition et là c’est des valeurs guide aussi qui vont pouvoir aider le

Le le le radiologue et le radiologue interventionnel donc ça c’est la vision d’aujourd’hui vous avez maintenant la vision la vision d’avenir un petit peu sur sur l’imagerie spectrale et on parlait tout à l’heure de l’institut Gustave rousi mais je pense que bah ça c’est certainement des choses qui qui

Sont en train de de penser plus plus plus c’est tout ce qui est le spectral avec la protonthérapie aujourd’hui on on évite on évite des erreurs de calcul grâce à l’image spectrale étant donné qu’on travaillait en image unité unité hfield avant on était obligé de faire des des des calculs pour passer

Les images dans un un une nouvelle norme qui est la densité électronique et qui est la norme sur les les les systèmes de de de traitement et ben grâce à l’imagerie spectrale finalement vous vous vous vous affranchissez finalement de ces erreurs de de calcul parce que directement vous avez les résultats en densité

Électronique et là ça a un impact de plus en plus sur la protonthérapie sur le cancer de l’enfant par exemple c’est des images qui sont très prometteuses pour pour réduire l’incertitude et puis pour pour finir et pour lancer finalement l’intervention l’intervention de Clément on s’approche grâce à cette imagerie

Du toujours plus plus petit donc voyez le fait de mieux découvrir de mieux visualiser des des lésions après dans la prochaine génération de de scanner quand on aura trouvé un format qui va bien pour gérer toute tout ces cette data on va pouvoir aller sur des des des

Comparaisons un petit peu comme ça donc là on au niveau des coupes anato anatato on est sur des coupes qui sont finement résolu là on est encore un petit peu grossier donc ce qui nous manque c’est de la résolution spatiale mais avec les projets génération de de scanner qu’on appelle les les les

Photocounting et plus particulièrement la prochaine génération qui s’appellera le spectral photocounting on va pouvoir mieux avoir une meilleure résolution au niveau de de de l’imagerie anatomique mais aussi une meilleure résolution spectrale qui se rapproche de plus en plus des coupe d’ d’atomo donc un sujet bien passionnant

Et qui te permet de lancer un petit peu ta partie un pathologie parce que anatomopathologie c’est toujours un petit peu dur à dire euh c’est un petit peu dur à dire et c’est aussi nouveau finalement la numérisation de de l’anapat enfin là toutes les technologies dont on vous parle il y a 5

Ans elles existaient elles existaient mais elles étaient pas déployées euh on est en train de les déployer que ce soit bon Philips mais globalement le le marché des systèmes médicaux est en train d’innover au quotidien euh et et de lancer ces nouvelles techniques ces nouvels types de d’imagerie euh ces

Nouvelles solutions de de numérisation et c’est pour ça que c’est important d’en parler et c’est pour ça que c’est important de se rendre compte que justement lia va permettre de prendre en compte et d’utiliser ces volumes de données qui sont sans commune mesure avec le volume de données qu’on avait il

Y a quelques années pour exemple en anapat les premiers systèmes qui ont été validés pour du diagnostic numérique c’était entre 2015 en Europe et 2017 aux États-Unis donc c’était il y a quelques années euh c’était la décennie précédente mais c’était il y a quand même pas très longtemps euh pourquoi

C’est seulement maintenant qu’on numérise l’anapate alors qu’en radiologie bah des scannerers ça fait 20 ans qu’on regarde plus euh le film et qu’on regarde ça sur un écran c’est parce que une lame d’anapate complète il y a à peu près autant de pixels que vous avez de brin d’herbe sur trois terrains

De foot et le médecin regarde plusieurs centaines de lames par jour et doit comme c’est du diagnostic de précision et du diagnostic personnalisé dire bah pour tel patient je vois telle variant génétique je vois telle prise de contraste sur telle petite sous-section de la lame et cetera donc c’est des volumes de données

Énormes c’est des prise en charge qui sont complexes et on a besoin d’outils donc il faut qu’on arrive à ingérer ces données et ensuite on a besoin d’outils pour aider le médecin à à traiter ses données on voit que les laboratoires qui numérisent en en pathologie qui commencent à numériser donc aujourd’hui

Il y a à peu près 10 % des lames de pathologie qui sont numérisées en France et c’est à peu près le pourcentage dans dans le monde mais en général ils ont trois types de moteurs pour leur dire ok on va numériser le premier c’est passer d’une d’une infrastructure et d’une

Organisation qui est vraiment très liée à des lames physiques à du matériel à du déplacement de de matériel de de d’un du laboratoire de la partie technique vers la partie médicale et cetera à une infrastructure plus numérique et donc du coup de l’échange d’information plus simple et donc optimisation des flux ça

C’est le premier point le deuxème c’est pouvoir travailler en réseau on a parlé de surspécialisation il faut pouvoir aller demander à un médecin qui est spécialisé sur une maladie rare qu’est-ce que tu penses de ce cas-là comment est-ce que je peux prendre en charge mon patient et le troisième point

C’est vraiment la partie diagnostic paria donc aider les médecins à poser leur diagnostic à aller plus rapidement sur les cas simples et à pouvoir plus facilement se focaliser sur les cas complexes sur les zones à étudier en profondeur et cetera il y a des papiers qui sont sortis depuis 2 3

Ans qui montre que certains outils permettent de gagner 25 à 30 % de temps médical sur un dossier donc c’est vraiment du temps qui va permettre de prendre en charge le volume de données le volume de cas qui est en train d’augmenter bien que la population médicale elle augmente pas pas aussi

Vite donc du coup une révolution euh lia en en anapathe qui va répondre vraiment au au défi du système euh aujourd’hui donc la démographie comme je viens de le dire à la fois des patients et des des médecins euh l’augmentation de différentes pathologies chroniques et un accès équitable aussi aux soins euh

Quand on n pas de laboratoire d’anapad dans sa ville ou dans son même dans son département pouvoir accéder facilement pouvoir transmettre facilement un dossier un examen aux spécialiste qui est peut-être à distance mais du coup de faire ça de manière simple et rapide par rapport à des technologies beaucoup

Plus par rapport à la poste quoi par exemple ensuite voilà du coup ça permet aussi de repenser le le parcours de de soin et et c’est là qu’en fait on fait le lien entre ce que Jérôme vient de présenter et ce que je je présente c’est

Et ce qu’on appelle du coup le le diagnostic intégré euh dans l’hôpital dans le parcours de soins on est assez en silo on passe d’un département à l’autre d’un département de diagnostique à un département thérapeutique et puis après on revient au diagnostique pour voir l’évolution et on change la prise

En charge et cetera et là il faut repenser ces parcours là pour les les rendre plus efficaces plus rapide et donc du coup il faut que les médec les les départements puissent mieux les services de médecine puissent mieux travailler ensemble mieux partager les données mieux se comprendre et donc

Voilà un modèle plus holistique et une médecine qui devient de plus en plus préventive pour les patients et du coup derrière ben bien sûr il y a toute la question des modèles économiques à mettre en place pour pouvoir utiliser ces outils parfait utiliser ces outils au quotidien pour l’ensemble des

Patients euh l’anapathe en oncologie c’est clé c’est c’est le pathologiste qui en regardant les lames va dire si un patient a un cancer ou pas et de quel type en imagerie on va dire on voit une lion on voit une prise de contraste on voit des jolies couleurs mais qu’est-ce

Que c’est exactement tant que le pathologiste a pas fait une biopsie et a pas analyser la lame on va pas pouvoir grader exactement le cancer donc c’est clé et c’est fondamental vraiment dans la la prise en charge du du patient et du coup les outilia qu’est-ce qu’ils

Vont faire sur ces lames donc comme je vous ai montré au début il y a plusieurs type de d’outil dia euh pour le pour le diagnostic euh le premier ça va être vraiment de la segmentation et du comptage voilà un zoom sur une partie de de LAM d’anapat et ben un outil

Simplement va pouvoir dire voilà les noyaux et voilà les noyaux qui sont euh en train de de faire une mytose et comme ça on peut les compter facilement c’est vous c’est des tâches qui sont assez simple pour un algorithme qui sont quand même longues et complexes pour un un

Médecin qui a fait 15 ans d’études euh et qui peut se tromper en comptant sur 1 mm² combien il voit de de mythose donc là vraiment lia assez simple finalement mais à un grand gain en terme de temps euh lia va pouvoir aussi agréger des données en en pathologie on fait

Plusieurs lames on va faire plusieurs techniques plusieurs types de marquage plusieurs types de coloration des lames pour faire ressortir tel ou tel type de structure tel ou tel type de de de protéines et cetera il faut les comparer euh au microscope ou même à l’écran si

On n pas d’outil qui fusionne bah voilà il faut passer d’une lame à l’autre et dire bon ben voilà là je vois ceci là je vois cela avec un outil dia on va pouvoir agréger les données qui viennent de plusieurs images les fusionner et dire bon ben voilà les voilà les

Cellules infiltrantes voilà la zone nécrosé et cetera et cetera euh ensuite euh d’autres exemples un petit peu plus encore en profondeur ça va être vraiment la partie euh adaptative de micrisssection de pouvoir segmenter les différents tissus les différentes zones du de de de la lame et de l’organe et distinguer ces différentes structure

Avec du coup derrière des colorimétries qui vont s’appliquer automatiquement le troisième point qui est le plus évolué c’est vraiment du coup le diagnostic fait par par un un outil Dia et il y a des logiciels par exemple Ibex on été le premier marqué CE euh pour le diagnostic

Eux ils font un panel complet c’estàdire que finalement ils font un compte-rendu euh qui est complet que le médecin anapathe va vérifier et valider mais l’ensemble des mesures l’ensemble des informations dont le médecin a besoin pour faire son compte-rendu sont détectés sont validés par le logiciel et

Sont proposés au médecin donc là du coup il va faire la mesure le comptage la gradation de de la tumeur sa corrélation avec d’autres images et le rapport finalement complet encore plus loin et là on va passer plus sur la partie thérapeutique on a ce qu’on appelle qui sont en train

D’arriver des diagnostics compagnons compagnons diagnostic l’idée c’est de se dire tel patient comment va-t-il répondre à tel traitement et finalement c’est les labopharma qui vont lancer un une molécule un médicament qui va répondre à tel sous phénotype de de patient et du coup les outils d’IA vont

Être adaptés à ça et vont dire bah oui ce patient-l on peut lui donner ce traitement parce qu’il répondra correctement et et donc voilà un petit peu l’ensemble de la chaîne des til qui grâce au numérique vont permettre au médecin d’aller plus rapidement et finalement au patients d’être d’être

Mieux pris en charge et mieux traité et du coup comment on fait pour finir pour intégrer ces différentes étapes la partie diagnostique la partie thérapeutique on va vers ce qu’on appelle le diagnostic intégré l’idée c’est que ces médecins voilà il faut qu’il travaillent ensemble il faut que les radiologues les anapathes maintenant

Travaillent ensemble il y a des services qui sont en train de de le mettre en place et nous ce qu’on fait c’est que on développe du coup de plus en plus cette partie Ia organisationnelle qu’est-ce que c’est c’est de pouvoir agréger des données euh des données donc qui

Viennent de qui viennent du des serveurs de stockage du Pax donc qui viennent finalement de la radiologie qui viennent de la pathologie qui viennent de tests génétiques qui viennent de la biologie et des informations du dossier patient des informations globales du patient et on va pouvoir ces donnéesl les afficher

Permettre aux médecins dans leur corps dans leur réunion pluridisciplinaire d’avoir l’ensemb finalement un tableau de bord pour chaque patient personnalisé pour dire bon voilà on voit voilà tout ce qu’on voit voilà le panel complet du patient de A à Z et comment est-ce qu’on le prend en charge euh pour faire ça du

Coup on a besoin en interne d’outils qui vont permettre de segmenter de dire bon voilà là on voit des images qui sont de tel et tel organe là on voit des données qui proviennent de tel et telle source de données pour au final en fait créer ce qu’on appelle un jumeau numérique un

Digital twin euh l’idée c’est vraiment agréger l’ensemble de ces données et les mettre à disposition des des médecins pour euh accélérer la prise en charge des des patients et le dernier point que cette agrégation de l’ensemble des données du patient à permettre c’est vraiment l’analyse euh tertièire des des

Données et la prédiction du patient parce que si on fait ça sur des larges coordres de patients chaque patient ensuite on va pouvoir rentrer ses enfin ces caractéristiques vont être analysées automatiquement et on va pouvoir le placer dans un modèle donc dans son jumeau numérique et dire bah voilà il a

Telle ou telle chance de bien réagir à tel traitement il a telle et telle chance de mal réagir et voilà comment il faut qu’on le le prenne en charge donc vraiment comment est-ce qu’on s’adapte au patient est-ce que c’est de la science-fiction non est-ce que c’est prospectif oui encore prospectif mais on

A certains sites qui travaillent déjà donc ça c’est vraiment des des des médecins c’est à l’hôpital Saint-Joseph à Paris ils travaillent déjà ensemble pathologiste et radiologue en amont des RCP en amont de la discussion avec les les médecins de spécialité de tel les urologues par exemple pour se dire ok

Voilà moi ce que je vois de mon côté voilà ce que je vois de du tien ils font un pingpong entre eux pour se dire bah du coup selon ce qu’on voit à l’échelle micro à l’échelle macro comment est-ce qu’on va pouvoir le mieux possible prendre en charge le

Patient voilà pour moi voilà pour nous il reste quelques minutes je pense pour des questions parfait et ben on vous écoute merci merci beaucoup 10 minutes pour des questions effectivement donc présentates sont n’hésitez pas à réagir à cette pration intéressante pardon bonjour merci pour la présentation c’est une question un peu

Générale pour rebondir sur la la fin de peut-être votre dernière diapo là sur la la vision on viendrait agréger ça do être celle d’avant voilà on pourrait agréger des des données multicentriques de nombreux patients comment est-ce que vous voyez ça en terme de gestion enfin de de collecte des données

Puisque qui va centraliser tout ça enfin peut-être pour être clair par rapport à ça qui centraliserait c’est l’opérateur c’est un centre de référence et comment on partage ces données alors il y a il y a plusieurs il y a plusieurs niveaux euh les données elles peuvent être centralisées déjà souvent les patients

Sont pris en charge au sein d’un établissement et donc il a un dossier patient qui le suit euh et donc le premier niveau le plus simple entre guillemets même si c’est c’est déjà un niveau assez complexe c’est au niveau d’un établissement d’agréger ces données là quand je parlais du sang d’innovation

À Paris on a justement acheté une startup il y a il y a 2 3 ans qui s’appelle capsule dont le job c’est d’intégrer l’ensemble des signaux qui sont pas encore vraiment numérisés au sein de l’hôpital donc ça va du du du du respirateur au signal OCG au moniteur de

De de réanimation jusqu’à finalement n’importe n’importe quel signal ou donné de l’établissement qui est pas encore numérisé qui est pas de qui a pas d’image donc ça déjà au niveau d’un établissement c’est c’est de plus en plus faisable ça demande par contre effectivement beaucoup d’interopérabilité un gros gestion de

Projet pour dire bon comment est-ce qu’on intègre toutes ces données là ensuite il y a des innovations des pardon pas des innovations mais il y a des des incentives il y a des des des choses qui sont mis en place au niveau national on parle not notamand de la

Dreambox c’est un une initiative pour dans chaque établissement au sein des services de radiologie mettre des boîtiers d’interconnexion qui vont permettre de rapprocher les l’imagerie pour l’instant c’est sur l’imagerie du dossier patient de mon Espace Santé du dossier patient informatisé national des des patients donc l’idée c’est de pouvoir agréger les données d’un

Établissement à l’autre et d’avoir vraiment l’ensemble des données même si le patient bah a changé d’établissement entre la ville hôpital et cetera euh et et voilà et après il y a aussi des solutions plus techniques qui permettent avec des des cloud souverains des solutions sécurisées de pouvoir agréger

Ces données là provenant de de différentes de de différents espaces bonjour merci beaucoup pour la présentation très très intéressante juste une petite question comment le puisque dans la dans l’idée de l’intelligence artificielle et du Deep learning il y a une idée une notion d’apprentissage comment est-ce qu’à

Partir du recueil de l’ensemble de ces données dans les différents hôpitaux et sur les différents site on vous intégrez en fait cette idée d’amélioration du diagnostic par l’apprentissage où est-ce que ce sont des outils figés en fait et que le dévelppement derrière alors il y a deux choses un outil euh aujourd’hui pour

Être marqué CE pour du diagnostic il faut qu’il soit validé et donc du coup en général quand on marque un outil CE médical il est validé et donc à ce moment-là il est figé euh et après bah on a ce qu’on appelle de plus en plus des modes des des solutions en mode

Service c’est-à-dire des même des diagnostics médicaux en mode service qui vont pouvoir en fait régulièrement être mis à jour du coup on agrège de plus en plus de données et euh tous les euh tous les 8 semaines tous les 6 mois tous les tous les ans ça dépend des ça dépend des

Solutions on va mettre en place une nouvelle version qui est elle aussi validée et la déployer euh au client euh pour ça justement on a une l’autre start-up là qui est euh qui est à Paris s’appelle cardiologes euh donc eux il c’est sur les hter ECG donc il

Récupèrent les données et il voit automatiquement tout un un panel de diagnostic pour le patient euh et eux ils ont une nouvelle version tous les 8 semaines donc toutes les 8 semaines il déploie à l’ensemble des de la base installée sur l’ensemble de leur serveurs dans le monde une nouvelle

Version qui est adaptée et il collecte des données pour augmenter l’apprentissage de ces de ces solutions là l’autre juste l’autre point il y a aussi des initiatives encore notamment national de d’entrepôt de données de santé pour collecter le plus de données possibles et pour pouvoir entraîner les

Les systèmes sur des plus grands plus grand volume et au niveau de no nos usines là pour les pour les versions par exemple sur le Deep learning sur les nouvelles méthodes de reconstruction un scanner c’est des versions qui arrivent tous les 12 à 18 mois à peu près et

C’est des algorithmes qui sont déjà entraînés valider cliniquement et marqué voilà mais effectivement entre la recherche et le et le dispositif médical on peut à un moment donné il faut qu’on arrive il faut qu’on fige et qu’on valide le le dispositif pour le pour le déployer être sûr qu’il dérive

Pas justement si je reviens juste sur le le marcage che eu au tout début vous avez parlé de qui qu’il y a dans votre hub du coup vous parlait pas du tout des personnes en qualité réglementaire qui interviennent au début j’imagine aussi oui euh ouais bah j’en ai pas parlé

Effectivement non mais c’est c’est c’est une question pardon je pense à eux non mais justement en fait le le système qualité le système de management de la qualité est hyper important et justement cardio ologog eux pour pouvoir faire une une nouvelle version tous les toutes les 8 semaines ils ont dû bâtir

Leur solution enfin leur système de gestion de la qualité pour faire ça donc faire un dispositif MD as service donc dispositif médical en tant que service pouvoir le déployer comme une appli si vous voulez sur votre téléphone qui est mise à jour toutes les semaines ou enfin

Vous savez pas pendant la nuit voilà maisah là c’est un peu pareil mais pour ça effectivement il faut que le système de qualité le système réglementaire soit adapté avec des anciens systèmes réglementaires qui étaient plus adapté à des à des modalités donc à des machines physiques où on a des évolutions quand

Même moins régulières on pouvait pas mettre en place ses évolutions aussi aussi rapide donc oui oui ils sont très importants les gens de la qualité et quel est le niveau d’acceptation des médecins de ces nouveaux enfin de ces méthodologies Dia et cetera comment comment c’est accepté ça par les

Médecins ça c’est euh vous avez toujours des adop là-dedans vous avez toujours des des suiveurs vous avez toujours des réfractaires et là bah petit à petit alors nous en général on voit il y a des en forme des des petits groupes en général sur les sur les SH et les CHU

C’est c’est 4 C une base de 4 C médecins qui sont qui sont plutôt à fond en général c’est des profils assez assez jeunes et et et c’est vraiment des gens qui qui qui développent voilà et on s’aperçoit que la la courbe d’apprentissage elle est de plus en plus

Rapide parce que maintenant on entend parler aussi de plus en plus forcément mais la courbe d’apprentissage est de 3 à 6 mois en général voilà donc ça voilà et souvent le déclic si je prends le domaine de de l’oncologie quand vous comparer un scanner euh et ben le déclic

Il se fait quand le patient revient et quand on voit finalement la lésion et puis on se dit tiens on va aller voir ce qui s’est passé avant on n’a pas fait on n’ pas fait ce qu’il fallait peut-être faire et on prend une nouvelle une nouvelle cartographie et là sur cette

Cartographie on voit qu’ la lésion était bien déjà là et là on s’aperçoit alors c’est malheureux pour le patient c’est comme ça mais on s’aperçoit bah là il y a peut-être eu voilà et comme ça on adopte petit à petit finalement les cette ces nouvelles imageries voilà

C’est un petit peu mais partout vous avez des hor adoptors qui vont y aller à fond tout de suite ils ont avec un vrai intérêt de pouvoir tester avant tout le monde et de publier avant tout le monde et puis après bah vous avez les suivurs et puis

Bah CELI qui part 3 6 mois à la retraite et il a pas envie de de de s’embêter avec ces nouvelles technologies voilà moi j’étais juste pour rir làdessus j’étais en en plutôt en imagerie jusqu’à il y a 3 4 ans et maintenant je suis en en pathologie

C’est vrai qu’en imagerie li a en radiologie ça fait quelques années qu’on en parle il y avait beaucoup de présentations sur est-ce que ça va remplacer les médecins est-ce que voilà voilà euh et puis finalement maintenant on en parle plus et je vois en ologie il y a 3

Ans c’était pareil est-ce que je vais voir la numérisation ou pas dans dans ma carrière est-ce que ça a vraiment un intérêt est-ce que ça va nous remplacer enfin il y avait toutes ces questions là mais là en 3 ans le on voit que l’état d’esprit des médecins a quand même

Vraiment évolué parce que maintenant c’est bon ben ok et comment est-ce que je me le paye comment je le finance quel est le modèle économique c’est plus du tout est-ce que je dois le mettre en place ou non c’est comment je le fais et comment je le mets en place un peu deux

Questions deux questions ok mais euh ben merci pour cette présentation donc c’est vrai que le le l’image est un domaine où le O le Deep learning va révolutionner pas mal de choses et très performant euh un aspect par contre du l’apprentissage statistique c’est qu’il fait forcément des erreurs sinon c’est plus des

Statistiques euh et on sait que les réseaux profonds sont pas toujours très bons à quantifier ces erreurs ou à reconnaître eux-mêmes qu’ils ont commis une erreur euh du coup je me demandais comment vous intégriez cet aspect de d’erreur potentiel euh ou de quantification des incertitudes soit dans vos rendus soit dans vos analyses

Sachant que ce qu’on voit à la fin c’est une segmentation d’image précise j’ai envie de dire et et donc je sais pas si ces aspects là comment ils sont intégrés dans dans dans la démarche que vous avez en fait ouais là j’aurais du mal à vous répondre vraiment précisément faudrait

Discuter avec les équipes développement comment ils mettent en place ça et et avec la qualité et cetera euh ouais je saurais pas vous dire exactement mais c’est forcément c’est des choses qui sont qui sont qui sont pris en compte à un moment donné euh et toute façon aujourd’hui les

Médecins restent quand même dans le service même s il y a des outils qui aide il y a toujours une validation médicale et une prise en charge du du patient par par un médecin qui est qui est un peu responsable finalement de de la prise en charge mais pour plus

D’infos faudrait vraiment discuter avec les équipes qui font ça au quotidien moi je suis un peu trop loin de et en général lia arrive comme complément d’information c’est souvent un si on prend les logiciel par exemple c’est souvent un un complément donc il y a il

Y a il y a la réflexion du médecin et puis y a la réflexion de l’ et un match entre les deux et c’est souvent là qu’ a un compromis donc voilà mais juste sur ce pointl j’ai des clients en anapath qui me disent oui il y a un risque et

Cetera mais en fait nous on a ça fait 2 ans qu’on a déployé liia en anapath on n jamais réussi à mettre en défaut l’algorithme par contre les médecins l’algorithme a mis plusieurs fois en défaut les médecins qui avaient pas vu une peti lion donc oui alors j’ai une petite question

Rapide s’il vous plaît est-ce que les patients sont informés de l’utilisation de l’IA dans toutes les différentes étapes alors ils sont informés en amont si on utilise leurs données pour pour entraîner des algorithmes enfin si leurs données sont utilisées en dehors de juste diagnosticque mais après ils sont

Pas informés en détail de l’utilisation alors de Lia ou de mais même quand il y avait des des algorithmes plus classiques pas en mode mais juste algorithmie standard de de détection et cetera euh ça peut apparaître dans le compte-rendu mais ils ont pas forcément tout le enfin ça apparaît dans le

Compte-rendu les les équipements qui sont utilisés mais après quel type d’IA ou pas pas forcément quoi dernière question voilà la petite question bonus euh je vis juste vous demander comment vous garantissez que votre système en fait ne dérive pas et ben du coup il est figé euh pour

Le la partie quand c’est ça devient un dispositif médical c’est validé et là le on chaque nouvel examen va pas changer l’apprentissage de l’algorithme une fois qu’il est déployé euh il est il a été validé et il est déployé tel quel donc on Un nouvel examen va être comparé

Enfin lia va le comparer va le faire passer dans son réseau de neurone par rapport à ce qu’il a été entraîné mais l’entraînement change plus une fois qu’on a validé une fois qu’il est une fois qu’il est installé sur site il y a plus de il a été validé cliniquement marqué

CE et il y a plus de possibilité de deer quoi que ce soit après c’est une nouvelle version qui arriver merci on accueille ant MRI B fonctionne bienvenueri merci beaucoup merci merci bonjour à toutes et à tous merci à Isabelle jeanmieu de m’avoir invité de m’avoir proposé en fait cette

Conférence sur les modèles on va pas parler je suis désolé d’ingénieintelligence artificielle mais de modèles expérimentaux initro qui vont être oui d’accord on doit pas faire la même taille ah oui pareils bien de modèles expérimentaux sont qui ont été classiquement utilisés en recherche en cancérologie et qui sont

Maintenant un petit peu même largement amélioré depuis une quinzaine voire même maintenant un petit peu plutôt je dirais même une dizaine d’années euh alors justement ces modèles invitro le modèle classique que je vais exposer très brièvement ici ce sont en fait des modèles cellulaires qu’on appelle des lignées cellulaires et qui

Ont été développé à partir en fait de tumeur prélevé chez un patient parfois il y a 50 ou 60 ans et ces cellules elles ont été donc prélevé et comme vous le voyez en fait sur le alors ici le l’animal voilà c’est ici le donneur ici

Est un animal mais ça fonctionne de la même façon si le donneur est un est un patient humain euh la tumeur va être prélevée euh confirmé évidemment d’un point de vue anapathe euh par un un praticien et puis ces cellules vont ensuite être sélectionné et spécifiquement en de la masse tumorale

Puis cultié dans des dispositifs invitra qui vous sont représentés ici donc on va avoir la capacité ensuite de cultiver de façon quasi infinie parce que les cellules sont devenus immortels ces cellules pour des analyses moléculaires par exemple biochimique ce genre de choses et il y a un certain nombre de lignées cellulaires

Des centaines de lignées cellulaires humaines notamment qui ont été établis au cours des décennies sur la de recherche euh et qui sont commercialisés d’ailleurs par par des banques euh ici vous avez des des images donc de deux lignées cellulaires de cancer du sein euh qui sont cultivé donc inv vitro et

Qui vont présenter chacune donc des caractéristiques particulières en fonction de la pathologie du de la patiente qui a été prélevée ici vous avez une tumeur qui est euh toujours qui présente un phénotype toujours de type épithélial cont comme on peut le l’observer ici d’un point de vue morphologique et puis ici une deuxième

Lignée cellulaire qui a été établi à partir d’une tumeur métastatique et on observe d’un point de vue morphologique que là les cellules ont perdu cette capacité d’interaction cellules cellules très fortes elles ont un phénotype de type mésenchimateux c’est-à-dire des cellules très allongées qui ressemblent plus à des fibroblastes donc ces

Cellulesl euh ces modèles expérimentaux ils ont été exploités en recherche en cancérologie pendant voilà des décennies pour comprendre des tas de mécanisme de processus euh physiologique alors c’est ce qu’on va appeler en fait la culture dite en deux dimensions c’est-à-dire des cellules cultivées traditionnellement sur un support qui sont donc étaler les unes

Disposés les unes à côté des autres c’est un modèle expérimental qui est finalement très facile à utiliser euh pour différentes raisons tout d’abord parce que les cellules elles vont proliférer très rapidement et même à une vitesse euh très plus plus rapide d’ailleurs que chez un que chez un patient on va

Pouvoir cultiver ces cellules de façon pérenne pendant plusieurs jours plusieurs semaines si on réalise ce qu’on appelle des passages et puis on peut les congeler les décongeler bref c’est très facile d’utiliser on peut réaliser des tas d’expérimentations très simples jusqu’à des expérimentations plus complexes avec des outils de pointe

C’est un modèle expérimental qui est utilisé très facilement et très fréquemment pour faire du criblage à haut débit de molécules et comme c’est un modèle expérimental qui a été utilisé pendant des décennies bah forcément les protocoles expérimentaux sont très standardisé ça nécessite finalement assez peu de coude maintenant

Et de de coût de d’utilisation et on considère que même s’il s’agit de cellules vivantes on arrive à acquérir des résultats expérimentant expérimentaux des données qui sont hautement reproductibles malgré le côté ça reste des cellules vivantes et donc il y a toujours une une une une variabilité néanmoins vous voyez que

J’ai mis en dessous B la les limites de ces de ce modèle expérimental c’est que ben finalement c’est un modèle expérimental qui est distatique on va avoir des cellules qui sont en culture et puis ben le milieu nutritif qui est amené est déposé dessus sans qu’il y ait une quelconque perfusion des cellules

Qui est évidemment peu physiologique par rapport à une une situation chez un patient la plupart du temps ces cellules vont être cultivées sans apport de matrice exogène c’est-à-dire sans matrice extracellulaire donc c’est un modèle expérimental qui va être très très simple et finalement assez déconnecté d’une situation d’une tumeur

Je vous avez montré tout à l’heure une tumeur avec un amas cellulaire B on va le voir tout à l’heure voilà cette situation là n’est n’est assez peu reproductive et finalement si je reviens un tout petit peu en arrière quand on regarde C ces modèles expérimental vu

Par le dessus on a des interactions entre cellules qui peuvent être assez importante mais néanmoins on va pas avoir la la l’adhésion elle est uniquement restreinte sur un plan en deux dimensions on n pas de volume de cellules tumorales entre elles et donc on va avoir des difficultés à analyser

Par exemple des processus de mobilité de motilité cellulaire un autre concept c’est que finalement quand on prend des cellules tumorales et qu’on les met sur un support de culture typiquement ça va être du polystyrène en tout cas un matériau plastique ça peut être également du verre ce matériau il va

Avoir des propriétés de rig qui sont très très éloignées de la situation physiologique je ne l’aborderai pas vraiment dans ma dans la suite de mes diapos parce que on va pas avoir le temps mais néanmoins on sait que l’environnement biomécanique va jouer un rôle important dans Lefin l’orientation du comportement

Cellulaire on ne reproduit pas non plus je le reprendrai cette notion là tout à l’heure mais on ne reprend pas non plus la l’organisation d’un gradient de concentration dans une tumeur on va avoir une masse de cellules entre elles il va y avoir des gradients de concentration de l’intérieur vers

L’extérieur et de l’extérieur de la tumeur vers l’intérieur qui se crée et là dans cette dans ce cas de figure on a des cellules qui sont à plat dans contact avec du milieu nutritif il n’y a aucun gradient possible la plupart du temps ces lignées cellulaires qui ont été immortalisées sont des populations

Cellulaires très homogènes globalement et de le fait ne reproduisent pas ne sont pas mimétiques de ce qu’on va observer dans une tumeur où on va avoir différentes catégories de cellules et notamment de population cellulaire tumorale globalement si on fait un petit peu le le point de tout ce que je viens

De dire c’est un modèle expérimental qui a été largement exploité pendant des décennies mais dont on sait qu’il a finalement peu de pertinence physiologique et finalement aucune valeur prédictive d’un point de vue d’un point de vue clinique alors si on reprend un petit peu ce que c’est que le une tumeur et

Son micro-environnement alors c’est un schéma qui date un petit peu mais où on on voit un petit peu finalement la complexité de ce qu’est une tumeur on va je vais par commencer ici sur le le schéma du haut donc dans une tumeur on va avoir une masse tumorale qui va être

Composée de cellules tumorales de cellules souches cancéreuses qui vous sont ici représenté en gris mais on va également trouver à l’intérieur de cette de cette tumeur ben d’autres populations cellulaaires qui ne sont pas systématiquement des cellules tumorales c’est-à-dire qu’on va trouver par exemple des fibroblastes à proximité de

Ces cellules tumorales qu’on va appeler des fibroblastes associés au cancer on va trouver des cellules endothéliales on va trouver évidemment des cellules immunitaires bref une masse tumorale c’est quelque chose de très hétérogène en terme de composition cellulaire ça c’est la première chose la deuxième chose finalement qui est importante

Aussi de garder en tête quand on veut essayer de mettre au point des modèles en cancérologie qui soit le plus pertinent possible c’est que finalement une tumeur elle évolue euh au cours de enfin dans le patient on va avoir par exemple si je passe ici

Vous avez la le la tumeur ici dans au niveau de du stade primaire et qui va être entouré ici en en en gris marron d’une matrice extracellulaire qui va être spécifique de l’organe du tissu qui est concerné donc une matrice extracellulaire de type osseuse si on parle d’un ostéosarcome une matrice

Extracellulaire dans un dans le sein par exemple bref une matrice extracellulaire qui sera spécifique de l’organe qui est concerné et puis ben les cellules tumorales vont donc être en contact avec cette matrice extracellulaire mais lorsque les cellules tumorales sont susceptibles par exemple de deux devenir invasive et de s’échapper de cette

Tumeur primaire et bien elles vont établir des connexions ou en tout cas des interactions qui sont susceptibles d’évoluer d’une part entre elles quand elles s’échappent là ici elles ne sont plus en groupe par rapport à cette situationl et puis si ces tumeurs si ces cellules tumorales s’échappent et

Arrivent à coloniser un autre organe par exemple le poumon et bien dans ce cas-là on aura une masse tumorale qui sera susceptible de s’établir et qui sera entourée d’une matrice extracellulaire d’une autre nature que celle d’origine c’est-à-dire qu’on a une évolution de la comment dire de des propriétés d’une part des

Cellules tumorales et une évolution finalement notamment lors de l’établissement de métastase des interactions entre les cellules tumorales et la matrice extracellulaire ce qui fait que puisqu’il y a une évolution à peu près constante c’est bien il est compliqué c’est un un un postulat c’est compliqué de d’avoir des modèles qui permettent de reproduire

L’ensemble de ces de ces événements alors la recherche en cancérologie c’est beaucoup a beaucoup utilisé les les premiers voilà ce que je vous ai présenté en tout début c’est-à-dire les lignées cellulaires et c’est finalement je dirais il y a une dizaines d’années pas tellement plus que la communauté des

Chercheurs c’est quand même un poser des questions sur l’intérêt d’utiliser encore en tout cas exclusivement ces modèles invitro et je vous présente ici une des premières revues sur le sujet euh où en fait ici les les la communauté commençait à se dire mais finalement est-ce que les connaissances qui ont été

Acquises dans le champ de l’ingénierie tissulaire c’est-à-dire savoir faire de la la peau reconstruite savoir faire de nouveaux organes pour des problématiques de transplantation mais est-ce que finalement toutes ces problématiques technologiques elles ne pourrai pas être exploité pour avoir des modèles expérimentaux qui seraient adapté à une

À de la recherche en cancérologie et la première des choses l’intérêt notamment c’est que ils se sont rendus compte que lorsque on travaille sur des modèles expérimentaux en 2D ou des modèles expérimentaux cultivés en trois dimensions je vais revenir sur cette notionl et bien les résultats sont

Totalement différents et donc il y a a priori un intérêt capital à avoir des modèles expérimentaux qui s’approchent le plus d’une situation physiologique et l’idée était ici de de partir en fait des des compétences et des connaissances qui étaient qui proviennent de la de la bioingénierie pourquoi est-ce que des

Cellules qui sont cultivé en deux dimensions ou en trois dimensions vont avoir un comportement diff différent si on part sur quelque chose de très simple ici en haut à gauche vous avez une cellule qui va être cultivée sur un support plan cette cellule elle va donc adhérer

Uniquement que d’un côté ici ce que vous voyez ici sur le support plan qui vous est représenté en en rose clair et cette adhésion va être médiée par des récepteurs qui expriment la cellule et c’est ce qui va lui permettre de s’accrocher au support et derrière elle va pouvoir organiser en fait son

Squelette c’est-à-dire son cytosquelette c’est ce qui va conférer sa morphologie cellulaire et c’est ce qui va provoquer ensuite en tout cas qui va moduler ces les interactions entre cellules et les interactions avec son environnement potentiel c’est-à-dire la matrice extracellulaire tout cela va impacter sur les capacités de prolifération de la

Cellule sur ses capacités à se différencier à mourir à répondre à un quelconque environnement si on prend la même cellule et au lieu de la mettre dans sur un support plan on l’entoure ici de matrice extracellulaire c’est-à-dire imaginons un gel de de collagène et bien là la cellule voyez

Qu’elle n’a pas du tout la même morphologie elle va être elle va adopter une morphologie plutôt arrondie parce que finalement tous ces récepteurs vont être capables d’interagir avec l’environnement et pas seulement sur un seul plan la morphologie va changer ce qui va aussi impacté sur les voies de signalisation donc sur le comportement

La prolifération la différenciation et cetera ça marche à l’échelle d’une cellues donc là vous avez le schéma mais en dessous vous avez les les images où on voit l’organisation en vert du cytosquelette et puis bah si on met plusieurs cellules ensemble donc là vous avez des cellules qui sont cultivées en

Plan en deux dimensions donc vous voyez qu’elles sont étaler les unes à côté des autres si on les met dans une sorte d’hydrogène elles vont avoir cette cette form en fait de de de comment dire de cette formation de cellules interagissant fortement les unes avec les autres je vais pas rentrer dans des

Détails moléculaires ça a vraiment pas beaucoup d’intérêt mais la conséquence de tout ça c’est que si on met des ces cellules là et si on compare en fait la capacité de ces cellules à répondre à un signal de de stress particulier on on va le on va s’intéresser sur la partie de

De gauche alors on prend ici une population cellulaire cancéreuse par exemple on la cultive sur un plan en 2D et puis on va leur soumettre un stress particulier ici c’est des irradiations et si on mesure leur capacité de survie à la radiation et bien vous voyez qu’on

A une capacité de survie qui va être très faible si on prend exactement la même population cellulaire et qu’on la cultive toujours en deux dimension mais on change un paramètre on rajoute sur le la culture sur le le support de culture on rajoute des éléments de matrice extracellulaire par exemple on fait un

Un coating un prétraitement avec du collagène c’est-à-dire qu’on va tenter de renforcer encore plus les interactions entre les cellules et la matrice extracellulaire mais juste sur un plan et on soumet exactement à la même dose de radiation ici ces cellules vous voyez que la capacité de survie cellulaire va augmenter rien que parce

Queon on force les interactions cellules matrice et puis bah le dernier cas figure toujours ces mêmes cellules mais cette fois-ci impacté enrobé dans un gel de collagène et bien on va avoir des capacités de survie qui vont être bien plus importantes pourquoi je vais pas détailler le schéma à côté parce que ça

A pas beaucoup d’intérêt mais parce que finalement plus la cellule interagit avec d’autres cellules ou avec de la matrice extracellulaire en tout cas reçoit des ces signaux et plus bah ça va impacter des voies de signalisation intracellulaire qui peuvent contrôler orienter la prolifération la différenciation la survie la mort

Cellulaire et donc très souvent et c’est le constat qu’on fait beaucoup de chercheurs c’est que lorsqu’on fait des traitements préclinique par exemple pour tester l’efficacité de nouvelles molécules sur des cellules cancéreuses qui sont cultivées en deux dimensions on va avoir des taux de réponse qui vont être très importants très forts en

Revanche dès qu’on fasse sur des modèle plus complexe et bien l’efficacité va être moindre alors une fois qu’on on était un petit peu dans l’introduction j’ai envie de dire ben une fois que le constat est posé il a fallu développer et mettre au point bah des modèles expérimentaux dit en trois dimensions

Donc le trois dimensions c’est ce qui va s’opposer aux deux dimension la définition la définition finalement de la culture en 2D c’est très simple c’est un support plan le 3D c’est tout ce qui n’est pas un un support plan et vous allez voir qu’il y a des tas de choses

Qu’on peut regrouper dans cette dans ces méthodes expériment mental en 3D les premiers modèles relativement simples qui ont été développés c’est ce qu’on va appeler en fait les sphéroïdes et ces sphéroïdes alors ici à l’UTC on a commencé à travailler sur les les sphéroïdes il y a déjà à peu près une

Vingtaine d’années et bien il y a des tas de méthodes pour les obtenir je vais pas entrer dans beaucoup de détails ça a pas tellement d’intérêt mais on peut utiliser des supports de culture qui sont antiadhésifs on peut utiliser certaines méthodes d’agitation voir euh des des champ magnétique mais en gros on

Va forcer les cellules à s’agglomérer entre elles à s’agréger entre elles et à avoir en fait des des des sphères d’où le terme de sphéroïde des sphères de cellules compactées les unes les unes avec les autres qui vont proliférer plus ou moins en suspension dans du milieu nutritif on peut encore améliorer ce

Type de modèle expérimental par exemple en ayant ici en rajoutant un petit peu de de matrice extracellulaire dans les milieux nutritifs pour forcer en fait pour mimer encore mieux l’interaction des cellules tumorales avec leur environnement euh naturel donc ici vous avez des photos donc certaines sont proviennent du laboratoire vous avez des

Cellules de mélanome ici qui sont cultivées en 2D donc on a bien des cellules qui sont adhérentes et euh en en deux dimensions et puis ces mêmes cellules qui vont être ici cultivé en 3D sous forme de sphéroïde donc là avec d’autres lignées cellulaires on va pas avoir systématiquement les mêmes

Morphologies de sphéroïde et puis ici vous avez un sphéroïde qui va être impacté dans un gel de collagène si on compare l’intérêt ou la on va dire le modèle sphéroïde avec le premier modèle 102d ben on retrouve ici donc la la culture dite en deux dimensions où vous avez des cellules les

Unes à côté des autres qui qui ont accès toutes au même environnement et c’est-à-dire au dioxygène aux éléments nutritifs potentiellement au traitement qui va être soumis dans des sphéroïdes et bien on va avoir ce type de structure avec par notamment ce qui va s’établir assez fréquemment une hétérogénéité au

Sein du sphéroïde c’est-à-dire que très souvent on va observer au cœur du sphéroïde une zone plutôt nécrotique parce que les cellules qui sont à l’intérieur bah elles sont un accès moindre aux éléments nut et que le processus métabolique fait que les déchets vont avoir tendance à s’y

Accumuler c’est ce qui va donc favoriser plutôt la mort cellulaire on va avoir en deuxème zone une zone de cellule en général plutôt quiessante et puis la dernière zone ici une zone de cellules qui aura tendance à proliférer plutôt facilement et qui pourra être en contact assez facilement également avec le

Dioxygène avec les éléments nutritifs et bien sûr avec les euh molécules de thérapie qui pourront être testé sur ce type de modèle donc un modèle cellulaire relativement simple ces spéroïdes souvent ils sont utilisés à partir de lignées cellulaires déjà établies et qui permet de d’étudier et notamment c’est

Un modèle qui est très souvent exploité pour faire du criblage de molécules parce que ça reste un modèle relativement simple donc ici je vous montre juste une voilà des résultats euh qui provienent pas de moi ça provient de de publication vous avez ici des comparaisons entre des cellules de

Cancer du sein qui sont traitées qui sont cultivés en deux dimensions en en bas ici ou sous format de sphéroïde et qui vont être traités par des molécules de chimiothérapie bien connue le syisplatine ou le paclitaxel et on va observer donc un vous avez un marquage ici les cellules qui restent vivantes

Elles apparaissent en vert celles qui sont qui meurent suite au traitement elles apparaissent en haut rouge et vous voyez que en fonction de la configuration de la culture on va avoir des capacités d’induction de mortalités qui vont être différentes on va observer une une mortalité très rapide lorsque

Les cellules sont en 2D mais le fait que les cellules soi compacté entre elles sous forme de sphéroïde mais vous voyez qu’il va falloir atteindre des doses bien plus importantes de molécules pour arriver à à obtenir un pourcentage de mort cellulaire qui soit par ex exemple

De de 50 % donc on revient on retrouve cette notion que en trois dimensions l’efficacité des molécules des médicament va être moindre notamment pour des pour des problèmes d’accessibilité ces modèles de sphéroïd ils sont comme je vous le disais beaucoup plus utilisés parce que relativement simple et ils

Vont être obtenus à partir de cellules déjà utilis sous la forme de lignée cellulaire mais ça reste un modèle simple et encore relativement éloigné finalement du patient et maintenant on parle de plus en plus des organoïdes dans le champ de la bioingénierie et bien évidemment ces organoïdes ils

Peuvent aussi être déclinés pour en cancérologie on va utiliser le terme de tumeur organoïde ou de tumoroïdes ce qui est pas très très joli mais bon euh qu’est-ce que que ce sont les les les organoïdes ou les tumoroïdes mais c’est à partir directement d’un d’un prélèvement euh chez un patient euh donc

On va prélever on va avoir une biopsie ici la biopsie la la tumeur le prélèvement va être dissocié donc on part sur une base finalement qui ressemble un petit peu à l’établissement de lignée cellulaire c’est-à-dire que par des processus mécaniques ou enzymatiques la matrice extracellulaire du patient va être digérée et on va

Isoler les les cellules vont être isolées les unes des autres en revanche elles ne vont pas être cultivées en deux dimensions et sans entrer non plus dans les détails mais par différentes méthodes de culture via l’apport de matrice exogène elles vont être cultivées ici en et ces cellules vont spontanément s’auto-assembler

S’auto-organiser sous la forme de ces structures là où vous avez des cellules qui s’assemblent les unes avec les autres pour former des euh euh comment dire des structures par exemple ici d’une centaine de de microns des structures qui sont ici plus ou moins creuse à l’intérieur et vous avez ici un exemple

Donc là j’ai repris c’est maintenant les les organoïdes peuvent s’acheter également vous avez des des entreprises qui commercialisent des organoïdes ici de de cancer du poumon et vous avez ici des marquages qui montrent que ces ces cellules cancéreuses prélevées chez un patient sont retour organisé et vont exprimer un certain nombre de marqueurs

Notamment de marqueur épithélio qui caractérise particulièrement en fait le le la tumeur du patient si on compare un petit peu les deux modèles que je viens de vous présenter les sphéroïdes versus les les tumoroïdes d’un point de vue schématique ça se ressemble c’est-à-dire qu’on va

Avoir une sorte de boule sauf que ce qui va changer en en fait c’est la nature des cellules qui sont utilisées dans le cas des sphéroïdes la plupart du temps ce sont des lignées cellulaires c’est-à-dire des cellules qui ont l’habitude d’être cultivé en deux dimensions et qui ont vraisemblablement

Perdu une partie de leurs caractéristiques des caractéristiques de la tumeur original du patient alors que dans les tumoroïdes on va utiliser les cellules directement du patient qui ne seront pas passer par cette phase de culture dite plane euh après voilà jeis vous laissz lire mais effectivement il y a des

Différences essentielles entre ces ces deux ces deux modèles et euh ce modèle de sphéroïde il reste relativement simple à utiliser avec ses propres limites les modèles de tumoroïdes sont un peu plus complexes à d’une part à obtenir et sont plus complexes éventuellement à à manipuler pour le moment le criblage à haut débit

Reste peu favorable par rapport à des à des sphéroïdes et finalement ces deux modèles ils présentent en eux-même encore un petit peu bah des limites c’est-à-dire des des caractéristiques qu’on narrive pas encore à reproduire par rapport à une situation physiologique c’est-à-dire que la plupart du temps on n pas ou peu de

Vascularisation de ces de ces modèles peu de présence de cellules immunitaires alors en général il y en a pas du tout dans les sphéroïdes et dans les tumoroïdes bah évidemment il peut y en avoir un petit peu où on peut essayer d’en amener mais c’est pas pas quelque chose qui est

Récurrent la notion que plus un modèle expérimental est complexe et plus euh le plus la les méthodes qui permettent son analyse reste complexe également et puis finalement euh le fait que ces modèles on a encore toujours pas de de culture dynamique qui est possible c’est que la plupart du

Temps tel quel ils vont être utilisés sur des supports classiques c’est-à-dire pas de culture en perfusion par exemple et très souvent il y aura pas ou peu de matrice extracellulaire dans les tumoroïdes on rajoute de la matrice extracellulaire mais c’est une matrice la le la matrice exogène qui est rajouté

Le gold standard c’est le Matrigel qui a assez peu de de pertinence euh physiologique et donc euh cette cette notion là elle est importante trisèe modèle que je détaillerai pas beaucoup c’est finalement la culture d’explant à partir de de tumeur prélevé chez un patient finalement si on prend la tumeur est-ce

Qu’on peut pas arriver sans la dissocier telle qu’elle est-ce qu’on peut pas arriver à la cultiver et bah c’est possible voilà il y a des quelques a des protocoles qui existe qui existe assez bien l’idée ici vraiment c’est de ne pas dissocier la tumeur c’est de conserver le plus possible la matrice

Extracellulaire qui entoure la tumeur et l’essentiel des populations cellulaires qui vont la composer et donc ensuite ces ces fragments de tumeur vont être cultivés sur sur parfois des éponges sur des grilles mais vont être cultivés pendant quelques temps donc le point fort ici c’est que ces explants il ils conservve en fait la

Complexité native de la tumeur mais en revanche leur problème majeur c’est que invitro on a du mal à les conserver au-delà de quelques jours 2 3 4 jours ce qui fait que ça on limite un petit peu l’intérêt pour des expérimentations pour de la compréhension de mécanismes alors j’en détaillerai pas

Plus mais évidemment il y a c c ces explants peuvent ensuite être implantés chez des souris et pour c’est ce qu’on va appeler les modèles d’ipdx c’est-à-dire on va avoir des xénogrphes de ces de ces explant sur de la souris pour arriver à les maintenir euh entre guillemets en culture pendant plus long

Mon sujet étant sur l’in vitro je voilà je n’en l’aborderai pas plus 4e type de de modèle c’est les modèles qui vont être basés sur de l’ingénierie tissulaire c’est-à-dire essayer de reproduire le plus fidèlement possible l’environnement global de la tumeur et en s’appuyant sur de l’ingénierriie tissulaire j’ai choisi

Ici comme exemple la les modèles de peau reconstruites parce que finalement dans dans le champ de l’ingénierie tissulaire ça reste des modèles qui sont relativement anciens pour obtenir de la peau reconstruite je vais je vais pas trop trop détailler mais en gros on va utiliser souvent on va reconstruire en

Fait deux tissus dans la peau le derme et puis au-dessus l’épiderme c’est-à-dire qu’on va utiliser les fibroblastes qui vont euh composer le derme avec de la matrice extracellulaire on va rajouter du collagène et puis par-dessus on va rajouter des kératinocytes et avec des méthodes de culture adaptées qui vont se proliférer

Se différencier pour obtenir ces structures là ici et donc vous avez ensuite toutes les étapes de caractérisation vous avez une peau reconstruite là sur la gauche comparé à une peau native sur la droite avec une comparaison sur la structuration histologique et sur l’expression d’un certain nombre de

Marqueurs donc ça c’est de la peau reconstruite on va dire normale qu’est-ce qu’on peut faire avec ça pour mimer une situation de pathologique par exemple un carcinome squameux ici on vous avez une peau qui est reconstruite avec des kératinocytes normaux et puis avec une autre population de kératinocytes qui est bien connue qu’on

Appelle des cellules A4 qui sont des kératinocy transformé à qui on peut faire exprimer ou non des mol des protéines d’adhésion qu’on appelle la cadérine e sur la la l’image du haut marche pas très bien si sur l’image du haut ici euh lorsque ces cellules ces caréatinocytes son qui composent

L’épiderme expriment la cadérine e bah les cellules elles reste bien dans l’épiderme en revanche en bas si vous avez des cellules kératinocytes ici qui n’expriment pas la cadérine E et ça c’est un marqueur qui est fréquent dans l’évolution de la cancérogénèse dans les tissus épithéliauux et bien lorsque

Cette expression de marqueur est perdue bah vous voyez que vous avez des cellules là la partie violette qui change d’un tissu qui passe de l’épiderme dans le derme et donc on arrive à reproduire on peut arriver à reproduire en fait des phénomènes de de passage d’un de oui de passage d’un

Épiderme à un derme et notamment du passage de de la barrière dermoépidermique deuxième exemple puisqu’on est dans la peau l’autre type de tumeur qu’on peut retrouver dans la peau c’est le mélanome le mélanome il se traduit par pareil des phases d’évolution et euh bah c’est une tumeur qui provient de la transformation en

Fait de d’une autre population de cellules qui on appelle des des mélanocytes et euh ces mélanocy ici en marron bah ils vont d’abord commencer à coloniser la phase de l’épiderme puis ensuite euh commencer lorsqu’ils font en phase verticale de prolifération ils vont pouvoir franchir la membrane basale qui sépare l’épiderune derme pour

Commencer à envahir le derme et ensuite lors des métastases et ben on va voir euh ces cellules métastatiques toujours là en marron qui pourront ensuite euh rentrer dans des vaisseaux sanguins et coloniser d’autres organes donc pour faire un modèle de peau susceptible de mimé du fibro du mélanome il faut

Utiliser toujours des kératinocytes des fibroblastes mais il faut évidemment rajouter des mélanocyes ou en tout cas des cellules de mélanome voilà vous avez ici deux exemples de modèles de mélanome que je trouve intéressant vous avez en haut à gauche des cellules de mélanome cultivé toujours en de dimension et vous voyez

Leur morphologie qui diffèrre en fonction en fait de la phase et de l’agressivité du mélanome euh ici métastatique par rapport aux mélanocytes normaux vous voyez que la morphologie n’est pas du tout la même et ces cellules-l lorsqu’elles sont cultivés dans des dans des peaux reconstruitesah vous voyez que les mélanocytes normaux

Ils restent dans l’épiderme les mélanocytes en phase de croissance radiale il reste dans l’épiderme également il colonisent l’épiderme les cellules qui sont en phase les mélanomes en fait pH VGP donc en marron ici ils commencent à envahir le derme et les cellules métastatiques sont entièrement en train de sont entièrement dans le

Derme deuxième exemple ici où vous retrouvez l’épiderme et le derme et vous avez ici des le mélanome la grosse boule ici c’est des c’est des cellules de mélanome qui au préalable ont été cultivé en sphéroïdees c’est-à-dire que il y a une première phase de culture en sphéroïde et c’est cette masse tumorale

Ensuite a été introduite dans une peau reconstruite pour aller tester ici un certain nombre voilà je vaux pas détailler mais un certain nombre de de traitement et évaluer l’efficacité de ces traitements spécifiquement sur la masse tumorale et puis ben je vais terminer sur les les les tumeurs surpuces euh

Qu’est-ce que c’est que les tumeurs surpuces finalement les puces ce sont des bioréacteurs des mini bioréacteurs qui vont être structurés et qui vont permettre de cultiver les cellules en assurant une perfusion de ces cellules c’est-à-dire qu’on va avoir un milieu nutritif qui va passer dans sein du bioréacteur et qui va alimenter euh

Alimenter les cellules et il y a toute une série de de puces qui ont été utilisés euh vous voyez ici sur le tableau voilà des des cellules de prostate de de cancer de la prostate les ces fameuses cellules il a des cancer de colle de l’utérus des cellules de cancer

Du sein et cetera et ça permet en fait de détecter et faire du criblage de médicaments de molécules de façon euh assez aisée maintenant si je détaille un petit peu plus je vais prendre deux exemples sur cette fois-ci je change de de tumeur je reviens sur le cancer du

Sein des exemples de de de tumeur surpu qui vise à mimer un petit peu une situation toujours physiologique ici de cancer du sein et vous voyez ici que l’approche elle est vraiment biomimétique on part de la situation physiologique qu’est-ce que le le canal Mamère et puis puis vous allez avoir ici

Donc des cellules épithéliales en rouge et puis ici la masse tumorale qui est représentée en vert et tout cela est bordé en fait ensuite par de la matrice extracellulaire et des fibroblastes et ici c’est une des premières puces qui mime entre guillemets un cancer du sein qui vise à reproduire cette structure là

Où vous allez avoir en rose ici de la matrice extracellulaire avec des fibroblastes par le dessus vous allez avoir des cellules norm épithélial Mamère et puis en vert des cellules cancéreuses Mamère et puis l’intérêt ici c’est que dans le bioréacteur vous avez ici un canal et ce

Canal il va permettre de mimer en fait la circulation sanguine et l’administration potentielle de médicament pour vérifier que ce médicament va bien être capable de passer à travers cette cette comment dire cette couche ici de matrice et de fibroblaste et atteindre la la tumeur et B c’est ce que vous vous observez ici

Sur le schéma hein c’est en fait l’efficacité de la molécule de de du du traitement spécifiquement sur les cellules tumorales avec finalement assez peu d’effets sur les cellules sur les fibroblastes et le deuxième exemple voilà qui est un peu plus récent euh vous avez ici un modèle euh qui vise

À reproduire la tumeur et sa vascularisation euh donc la tumeur ici elle va être obtenue ici par de la coculture de sphéroïdes c’est-à-dire qu’on repart du premier modèle que je vous ai expliqué on a des sphéroïdes qui vont être composé de trois populations cellulaires différentes cancer du sein fibroblastes

Parce que dans les tumeurs il y a forcément des fibroblastes et des cellules endoéliales avec de la matrice extracellulaire qui va être ajoutée donc c’est ce qu’on va avoir ici dans le centre et dans les canaux ici qui vont border le canal 1 et le Canal 3 on va avoir seulement des cellules

Endothéliales pour représenter pour mimer la vascularisation et vous voyez donc ce qu’on voit ici à droite là en rouge qui s’établit au bout de de 7 jours vous avez la masse tumorale là qui est jaune verte qu’on observe et qui devient alimenter par les la vascularisation obtenue par les cellules

Ici endoéliales et on peut arriver à obtenir donc dans ces conditions là des vaisseaux sanguins qu’on voit ici et on en distingue ici le lumen c’est-à-dire que c’est un va sont des vaisseaux qui sont fonctionnels et qui vont pouvoir en fait alimenter cette cette petite masse tumorale et qui va pouvoir donc

Permettre bah d’étudier l’efficacité de médicament voir d’étudier l’intravasation de cellules tumorales c’està dire comment les cellules tumorales quittent la la masse pour aller dans les les vaisseaux sanguins bref un modèle expérimental ici qui est qui est joli pour terminer quels sont encore les challenges sur sur ces modèles 3D

D’abord arriver aussi à contrôler et en tout cas avoir de l’immunocompétence dans ces modèles là c’est-à-dire avoir des cellules immunitaires puisque maintenant il y a beaucoup de de thérapies qui sont des immunothérapies donc il faut arriver en dans ces modèles là à les à les cultiver et à pouvoir

Observer leur leur efficacité ça nécessite bien évidemment de la vascularisation donc de la micro de la microfluidique pour tester ces immunothérapies et il y a encore un troisième point c’est que que je n’ai pas beaucoup abordé là c’est que finalement la tumeur all est en contact

Avec ce qu’on va appeler le stroma le stroma c’est les les cellules et la matrice extracellulaire et il faut arriver aussi à avoir des modèles de ce stroma qui soi représentatif de ce qui existe d’un point de vue physiologique et en particulier de la rigidité de ce

Stroma on sait que dans les tumeurs la matrice extracellulaire est plus rigide et que ça ça impacte notamment ça oriente euh les réponses cellulaires à des quelconque traitement ù ça oriente la le comportement tout simplement des des cellules et il faut encore arriver à tenir compte de ce de ce paramètre là

Donc pour finir voilà les différents modèles que je vous ai présentés je dirais que il y a eu beaucoup d’évolution en assez peu de temps et que euh on est passé finalement maintenant ça c’est acquis dans dans l’esprit des des la communauté des des chercheurs notamment en préclinique que la culture

End à ses limites elle n’est pas obsolète totalement mais à ses limites et que le terme de culture 3D maintenant est passé dans le vocabulaire commun il y a un deuxième point également c’est le la nature des cellules qui vont être utilisés pendant très longtemps il s’agissait quasi exclusivement de Ligné

Cellulaires maintenant on passe de plus en plus sur des cellules primaires et ben en utilisant bah toutes ces voilà c’est ce paradigme enfin ces deux ces deux notions là on a eu l’évolution des différents modèles sphéroïdes organoïdes et cetera et puis bah à l’avenir avec toutes les technologies qui ont évolué

Et bien on peut encore imaginer avoir des modèles de plus en plus fins et de plus en plus perfectionnés qui vont avoir quel type d’application bah bien évidemment comprendre encore mieux certains mécanismes d’un point de vue fondamental mais également des applications pour faire du criblage précis de médicament en terme

D’efficacité et de sécurité et évidemment pour de la thérapie personnalisée je vous remercie merci beaucoup on va prendre quelques minutes pour des questions qui va manger un peu sur la pause et donc on va essayer d’être rapide euh est-ce qu’il y a des réactions sur cette belle présentation

De l’évolution des modèles 3D en en culture cellulaire et de la modélisation des phénomènes de cancerisation tumorisation merci Muriel pour la présentation en fait c’est pas une question pour toi c’était plutôt je voulais un petit peu interpeller nos nos intervenants précédents puisqu’ils ont parlé de test compagnon et euh et

Finalement de bah voilà il y a il y a différentes approches pour euh essayer de de coupler euh une enfin des possibilités pour de meilleures thérapies notamment en oncologie puisqueon on est sur cette thématique là donc euh enfin ça peut être aussi une question pour toi sur est-ce que bah li

A comment est-ce qu’on pourrait intégrer ce type de données là sur les modèles un petit peu futurs que tu présentes par rapport aux aux approches que vous vous déployez déjà avec de l’anapate classique enfin voilà est-ce que vous voyez des des options d’intégration de ces nouveaux tils

Outil ça peut être ta question pour toi aussi Muriel moi je pense que de toute façon quels que soient les modèles qui qui vont être développés à un moment donné il vaut il faut bien qu’il soit confronté aussi à la réalité clinique et donc pour ça il faut qu’il y ait un un

Portail on va dire et que il soit soumis puisque maintenant c’est ces modèles d’intelligence artificielle ils sont utilisés en clinique euh ce serait de toute façon intéressant ne serait-ce que pour valider les modèles précliniques de les soumettre à à des modèles utilis à ces modèles là

Ouais et moi où je vois le pont c’est effectivement dans tout ce qui est ce qu’on appelle le gumérique donc ça peut être un jumeau complet mais ça peut être quelque chose de beaucoup plus ciblé et forcément il faut sans cesse que la partie numérisée la partie euh euh voilà

Se rapproche et soit confronté au au réel au au réel au laboratoire et au réel des patients donc enfin forcément c’est je pense que c’est sans fin le le pingpong entre les deux pour petit à petit avoir des des modèles qui soient le plus fin possible et le mieux caractérisant possible

Oui alors d’abord merci beaucoup pour cet exposé extrêmement clair et et facile à comprendre pour les gens qui sont pas des biologistes j’ai j’ai j’ai beaucoup apprécié euh j’avais juste une petite question sur la sur la fin là en particulier sur la répartition de l’usage en entre la recherche où là il y

A il y a clairement pas de pas de discussion et le clinique est-ce que le clinique sur ce genre de chose ça reste on va dire expérimental ou est-ce que ça devient ça se répend beaucoup est-ce que c’est pratiqué dans les hôpita les les les explant euh les explant ont été

Beaucoup utilisé en clinique notamment pour prédire la réponse aux thérapies lorsqu’il y a un choix de combinaison de thérapie et cetera ça c’est beaucoup utilisé et les PDX c’est-à-dire les les xénogrephes sur souris sont encore sont aussi beaucoup utiliser en en en thérapie en tout cas pour en clinique

Pour déterminer euh quel type de thérapie sera la plus la plus efficace on peut imaginer que les tumoroïdes vont prendre la relève d’ici peu de temps euh ça m encore un petit peu de standardisation et cetera mais la la vocation des tumoroïdes seront vraisemblablement ce sera de remplacer

Les les les explants donc il y a un lien en fait c’est ces modèles expérimentaux il sont pour beaucoup utilisés en préclinique mais certains ont un intérêt en clinique réellement merci mais c’est exactement la question sur laquelle je voulais rebondir c’est le faiteffectivement on cherche à avoir une médecine de plus en plus

Personnalisée et merci pour ta présentation qui fait un qui dresse un panorama très clair sur ce qui s’est passé depuis une vingtaine d’années he dans ce domaine là et je voulais seulement poser la question sur la corrélation est-ce qu’il y a déjà des travaux qui ont été faits et qui ont

Permis de prélever des cellules tumoral de patient les mettre dans un des modèles que tu présentes en 3D et regarder l’influence de telle ou telle thérapie et de faire la corrélation avec ce qui se passe chez le patient en lien avec une thérapie apportée là en

Clinique y a des choses qui ont déjà été fait ça se fait notamment c’est ce que je disais le le modèle le plus courammentfin exploité c’est la culture d’explant ouais les autres modèles et c’est ça un petit peu la limite pourquoi la culture d’explant c’est que en fait ça reste un

Modèle simple qui vient du patient et où il y a peu d’intervention en fait extérieure les autres modèles que j’ai présenté ils sont soumis à de la manipulation à plus d’aléa ça prend plus de temps c’est plus complexe donc c’est moins propice ou en tout cas pour le

Moment moins facilement propice à une utilisation en clinique euh et et c’est ça qui est curieux finalement c’est que la culture d’explant qui est quelque chose d’ancien dans l’histoire de la la culture cellulaire c’est quelque chose d’ancien c’est finalement quelque chose qui est revenu j’ai envie de dire un peu

À la mode depuis depuis une dizaine une dizaine d’années parce que ça reste un modèle expérimental suffisamment simple qui peut être utilisé en clinique et c’est un des paramètres qui doit être pris en compte pour un un un une utilisation de modèle en clinique c’est qu’il faut qu’il soit suffisamment

Complexe pour reproduire la physiologie et qu’il soit pertinent mais en même temps si c’est trop complexe c’est difficile à manipuler ça n ite de beaucoup de personnel d’équipement de ce genre de choses et forcément c’est moins pratique à utiliser très bien d’autres questions euh sinon et bien c’est le moment de de

La pause alors deux choses pendant