Jumeaux humains virtuels (JHV) pour une aide intégrée à la décision clinique en matière de prévention et de diagnostic

Résultat attendu :

Ce sujet vise à soutenir des activités qui permettent ou contribuent à un ou plusieurs impacts attendus de la destination « Développer et utiliser de nouveaux outils, technologies et solutions numériques pour une société saine ». À cette fin, les propositions relevant de ce sujet devraient viser à produire des résultats qui sont orientés vers, adaptés à et contribuant à tous les résultats attendus suivants :

• Les professionnels de la santé ont accès à des modèles multi-échelles^[1], multi-organes de patients individuels qui visent à améliorer la prévention et le diagnostic dans les domaines à forte charge de morbidité.
• Les professionnels de la santé bénéficient d'une meilleure connaissance des maladies complexes et des comorbidités grâce à des modèles multi-échelles, multi-organes.
• Les patients aux caractéristiques diverses (par exemple, de tout sexe, groupe d'âge, origine raciale ou ethnique^[2]) bénéficient d'outils de prévention et de diagnostic améliorés, intégrés et personnalisés.
• Les professionnels de la santé et les patients bénéficient de l'utilisation de modèles de « Jumeau humain virtuel » (JHV) qui permettent l'intégration d'autres outils et modalités de prévention et de diagnostic.

Portée :

Les JHV sont des représentations numériques et des modèles in silico de l'état de santé et de maladie d'un individu à différents niveaux d'anatomie. Les solutions JHV multi-échelles et multi-organes ont un potentiel pour une prévention et un diagnostic personnalisés, en particulier dans les domaines à forte charge de morbidité, et peuvent considérablement bénéficier à la santé des citoyens et à l'efficacité des systèmes de santé de l'UE.

Les propositions devraient prendre en compte le travail des projets financés dans le cadre du sujet HORIZON-HLTH-2023-TOOL-05-03 : « Modèles computationnels intégrés et multi-échelles de la patho-physiologie du patient (« jumeaux virtuels ») pour la gestion personnalisée des maladies », qui mettait principalement l'accent sur la gestion des maladies, et se concentrer sur des approches multidisciplinaires à fort potentiel et à plus grande complexité (multi-échelle, multi-organes, longitudinale), renforçant leur déploiement dans la santé et les soins, y compris l'intégration dans les parcours de soins et les liens avec d'autres outils d'aide à la décision.

Les propositions devraient aborder toutes les activités suivantes :

• Sélectionner des cas d'utilisation clinique pour fournir des solutions multidisciplinaires à fort impact nécessitant des approches multi-organes et multi-échelles pour modéliser une physiopathologie complexe au fil du temps, comme base à partir de laquelle la prévention et le diagnostic des maladies à forte morbidité et mortalité pourraient être améliorés. Les propositions peuvent présenter des cas d'utilisation dans tous les domaines à forte charge de morbidité ; des exemples incluent les comorbidités, les affections cardiovasculaires chroniques, les infections et (auto)immunité, l'inflammation et le cancer, le diabète et les affections connexes, les maladies rares, les maladies dégénératives (y compris leur interaction avec les problèmes de santé mentale), l'exposome et son impact sur la santé et les maladies humaines.
• En s'appuyant sur les approches actuelles, les normes, les dépôts de données (par exemple, les biobanques, les données environnementales, autres) et les actifs de modélisation (par exemple, ceux de l'EDITH CSA^[3] et de la Plateforme pour les modèles JHV avancés^[4]), et de nouvelles données si pertinentes, concevoir, développer, étendre et valider des modèles computationnels dynamiques multi-organes et multi-échelles qui simulent avec précision les états de santé et de maladie d'une personne, si nécessaire.
• Évaluer, sélectionner, étendre et valider diverses méthodologies de modélisation, aboutissant à des modèles JHV intégrés, avancés, interopérables et spécifiques au patient qui peuvent intégrer diverses sources de données et méthodologies, répondant aux exigences du cas d'utilisation clinique choisi. Les méthodologies peuvent inclure, sans s'y limiter, la modélisation basée sur la biophysique, l'intelligence artificielle (IA) qui devrait être interprétable ou permettre l'explicabilité des résultats, l'IA générative et la modélisation in silico, les approches basées sur les agents et la physiologie des réseaux. L'évaluation, la sélection et l'extension de celles-ci devraient être documentées pendant la phase de conception. La disponibilité et l'intégration des données multimodales...