L ‘université PolyU de Hong-Kong développe un système de simulation de patient virtuel basé sur l’IA et intégrant des données multimodales pour faire progresser les traitements personnalisés du cancer.

infohightech ·

Le système transforme les données médicales statiques traditionnelles en ressources dynamiques, rationalisant les consultations multidisciplinaires et les processus d’orientation tout en permettant aux patients de passer d’une réception passive des soins à une participation active à la gestion de leur santé, renforçant ainsi la collaboration médecin-patient.

Une équipe de recherche de l’Université polytechnique de Hong Kong (PolyU) a développé un système de simulation de patient virtuel basé sur l’intelligence artificielle (IA), centré sur le patient et surmontant les limites des diagnostics statiques conventionnels. En intégrant dynamiquement des données multimodales, notamment des données génomiques, d’imagerie médicale et des dossiers cliniques, le système crée un modèle de « jumeau numérique » mis à jour en continu. Ce système permet non seulement de suivre l’évolution de l’état du patient en temps réel, mais aussi de prédire l’efficacité potentielle de différentes options de traitement du cancer, aidant ainsi les équipes soignantes à élaborer des solutions médicales plus précises et personnalisées.

D’autres outils d’IA médicale s’appuient souvent sur un seul scanner, un rapport génomique ou des données cliniques statiques pour l’analyse, ce qui rend difficile une compréhension globale de l’évolution dynamique de l’état d’un patient.

Sous la direction du professeur Lawrence Chan, professeur associé au département de technologie et d’informatique de la santé de l’Université polytechnique de Hong Kong (PolyU), l’équipe a développé le « Système de simulation de patient virtuel par IA », basé sur une plateforme de jumeau numérique centrée sur le patient.

Combinant une plateforme pour les professionnels de santé et une application mobile destinée aux patients, le système peut effectuer des analyses prédictives en temps réel en fonction de l’évolution de l’état du patient et simuler l’efficacité de différentes options de traitement. Il offre une aide intelligente au diagnostic clinique, au suivi de l’état du patient et à l’évaluation des traitements.

Ce système est particulièrement adapté à la cancérologie et aux soins intensifs, où la progression de la maladie peut être complexe, les options de traitement diverses et les coûts médicaux élevés, insufflant ainsi un nouvel élan au développement de la médecine de précision.

La principale force du système réside dans l’étroite collaboration qu’il favorise entre les professionnels de santé et les patients. La plateforme de santé dédiée intègre des données multimodales, notamment les données génomiques, l’imagerie médicale, les rapports d’anatomopathologie, les résultats d’analyses de laboratoire et les dossiers cliniques, permettant ainsi aux médecins d’obtenir une vision globale de l’état de santé du patient, d’améliorer la prise de décision en matière de diagnostic et de traitement, et de fluidifier les consultations multidisciplinaires et les processus d’orientation.

Parallèlement, l’application mobile destinée aux patients leur permet de télécharger leurs dossiers médicaux, d’enregistrer leurs symptômes quotidiens et de suivre leur état de santé. Grâce à un code QR Deep Feature crypté, les données médicales peuvent être transférées en toute sécurité entre différents établissements de santé (cliniques, hôpitaux et appareils), optimisant ainsi le partage des données tout en garantissant la confidentialité. Ce système permet aux patients de passer d’une attitude passive face aux soins à une participation active à la gestion de leur santé , renforçant ainsi la collaboration médecin-patient.

Afin de faire progresser l’application de cette technologie dans la prise en charge du cancer et l’aide à la décision thérapeutique, l’équipe de recherche a mis au point un cadre d’intelligence artificielle clinique, basé sur les données et multi-échelle, pour prédire la réponse à l’immunothérapie chez les patients atteints de cancer du poumon non à petites cellules.

Cette approche multimodale intègre efficacement les caractéristiques histopathologiques des images aux données cliniques, notamment les profils d’expression génique et le type de cancer. Baptisé ViGNet (Visual-Global Relation Fusion Network), ce nouveau cadre combine un encodeur visuel multi-échelle et un encodeur basé sur les gènes, permettant ainsi à l’IA d’analyser les caractéristiques d’image et génomiques étroitement liées à la réponse au traitement du cancer.

Lors d’évaluations qualitatives et quantitatives, ViGNet a surpassé les approches de référence en matière de classification des réponses, atteignant un taux de discrimination de 82,55 % dans la prédiction de la réponse à l’immunothérapie. Cette recherche novatrice permet une intégration plus efficace des données multi-sources et soutient le déploiement pratique des méthodes d’IA en milieu clinique, offrant des perspectives importantes pour la personnalisation des traitements et la prise de décision clinique. L’étude a été publiée dans la revue internationale Medical Image Analysis .

Dirigé par le professeur Lawrence Chan, professeur associé du département de technologie de la santé et d’informatique de PolyU (2e à partir de la droite), le « système de simulation de patient virtuel IA » peut effectuer des analyses prédictives en réponse aux changements en temps réel de l’état d’un patient et simuler l’efficacité de différentes options de traitement, offrant un soutien intelligent au diagnostic clinique, à la surveillance de l’état et à l’évaluation du traitement.

Le professeur Chan a déclaré : « Le système de simulation de patient virtuel par IA est une plateforme innovante et complète qui intègre le diagnostic, le suivi et l’évaluation du traitement. Outre l’identification de liens pathologiques subtils mais cruciaux entre les données multimodales, le système peut également servir de système de surveillance, alertant les équipes soignantes en cas d’anomalies des biomarqueurs ou des symptômes d’un patient. Cette technologie révolutionnaire contribue à raccourcir les délais de diagnostic et d’évaluation, aidant ainsi les professionnels de santé à élaborer des plans de traitement plus précis, efficaces et personnalisés pour les patients atteints de cancer ou d’autres maladies graves. » 

https://www.polyu.edu.hk/media/media-releases/2026/0813_polyu-develops-ai-powered-virtual-patient-simulation-system

Cet article vous a été utile ? Partagez-le.