Améliorer la réussite des traitements de fertilité grâce à l'IA avec Jérôme Chambost - Apricity
💡 millefeuille.ai: le media pour comprendre les enjeux de l’IA et les mettre à profit dans notre société et nos métiers — par un collectif d’ingénieurs & d’entrepreneurs français.
Salut à tous !
Nous sommes heureux de continuer notre initiative, ❤️ Au coeur de l’IA, une immersion profonde dans le monde fascinant de l'intelligence artificielle avec des visionnaires du secteur 🙌.
Partage-nous tes impressions, tes questions, tes suggestions. Car cette aventure évoluera en fonction de tes retours et de ce que tu désires explorer ! 🙏
Aujourd'hui, nous partageons notre conversation avec Jérôme Chambost, CTO de Apricity. Apricity accompagne les patients sur des traitements de fertilité (principalement fécondation in vitro) du diagnostic jusqu’à la naissance du bébé.
🍰 On a adoré mieux comprendre le fonctionnement des traitements de fertilité et le bénéfice des modèles de données d’intelligence artificielle pour en augmenter le succès.
Jérôme explique simplement les défis du secteur 👏
Au menu aujourd’hui :
🧪 Les traitement de fertilité, qu’est-ce que c’est?
💡 Les bénéfices de l’intelligence artificielle pour améliorer ces traitements
⚙️ Les défis du secteur
👀 Où se renseigner - les sources recommandées par Jérôme
Si quelqu’un t’a transféré cette édition et que tu souhaites t’inscrire à millefeuille.ai c’est par ici :
🍰 MF : hello Jérôme, avant de parler intelligence artificielle et son impact sur les traitements de fertilité, peux-tu nous en dire plus sur ce domaine encore trop méconnu du grand public?
👉 Jérôme :
On estime qu’un couple hétérosexuel sur 6 a des problèmes de fertilité et avoir recours à un traitement de fertilité. A ceux ci s’ajoutent les demandes des femmes seules et des couples homosexuels ! D’ici 2100, 300 millions de personnes devront leur vie à une fécondation in vitro. C’est un procédé lourd et stressant avec des taux de succès encore faibles : 30% de réussite par tentative et en moyenne 3 traitements nécessaires pour un succès. Améliorer la réussite des traitements reste un défi majeur et je suis convaincu que l’IA a un gros coup à jouer à plusieurs étapes du process !
Pour rappel, un traitement de fertilité, c'est une équation complexe qui vise à permettre à une patiente d’être enceinte tout en minimisant les risques pour sa santé et son inconfort. Il y a pour cela 3 étapes clés :
Etape 1: la stimulation ovarienne - on va stimuler les ovaires de la femme à l'aide d'hormones afin de produire plusieurs ovules matures au lieu d'un cycle naturel
Etape 2: la ponction ovarienne et la fertilisation des ovocytes - le médecin aspire les ovules matures à l'aide d'une aiguille, ces ovules sont ensuite mélangés avec le sperme en laboratoire
Etape 3: le développement embryonnaire et le transfert d'embryon - les ovules fécondés se développent in vitro - au bout de quelques jours, les embryons jugés de meilleurs qualité par un biologiste sont sélectionnés et transférés dans l'utérus de la patiente
Chez Apricity, nous adaptons les parcours de fertilité aux besoins spécifiques des patients, à leurs préférences et à leur localisation, afin qu'ils puissent accéder aux soins de la manière qui leur convient le mieux, d’améliorer leur expérience et de maximiser leurs chances de succès.
🍰 MF : Comment l’intelligence artificielle peut-elle contribuer à améliorer les taux de réussite des traitements de fertilité?
👉 Jérôme :
L'IA peut accompagner le médecin à chaque étape du traitement :
Avant le traitement et à partir de données de diagnostic : on va chercher à prédire la probabilité de succès d’un traitement de fertilité en fonction du traitement
Lors de la stimulation ovarienne, les algorithmes vont chercher à adapter le traitement et les dosages d'hormones au profil de la patiente, pour maximiser le nombre d'ovocytes matures en fin de traitement
Lors du développement embryonnaire, les algorithmes vont accompagner le biologiste (embryologiste) à sélectionner les embryons qui ont le plus de potentiel de viabilité en détectant des caractéristiques morphologique et cinétiques - les possibilités sont nombreuses: formation de jeunes embryologistes à la détection de paramètres, reproduction du schéma de sélection d’un embryologiste, standardisation de choix d’une multitude d’embryologistes, détection d’anomalies génétiques, prédiction de la viabilité
🍰 MF : Quels sont les défis du secteur?
👉 Jérôme :
Nous devons faire face à un faible volumes de données et une faible qualité des données. En effet, un gros centre d'assistance médicale à la procréation, c'est 2000 patients par an. Même avec 10 ans d'historique, ce n'est pas grand chose pour des algorithmes d'IA. On doit regrouper les données isolées de plusieurs hôpitaux pour avoir des cohortes suffisantes, cela nécessite un gros effort pour respecter le droit des patients sur la collecte de données sensibles, et de normalisation de bases de données hétérogènes.
Concrètement, pour détecter un paramètre morphologique sur un embryon à 5 jour ou pour reproduire une classification “basique” de l’embryologiste, on est performant à partir de quelques milliers d’images. Pour déterminer la viabilité en se basant sur plus de paramètres (les images des embryons à jour 1, jour 2, jour 3 et jour 5 et les paramètres morphocinétiques de développement, voire la video de développement de l’embryon, l’ordre de grandeur est plutôt autour du million. Pour ce qui est des algorithmes de stimulation, on peut prédire avec une bonne précision le nombre d’ovocytes collectés à la fin d’un traitement à partir de quelques dizaines de milliers de cycles de traitement qui suivent le même protocole.
🍰 MF : merci Jérôme ! Est-ce que tu peux nous laisser les sources que tu recommandes pour aller plus loin sur le sujet ?
👉 Jérôme :
On est à la croisée des chemins entre l’IA et la médecine :
Human reproduction, Eshre (European Society of Human Reproduction and Embryology ) et Fertility and Sterility
Notre dernière publication scientifique dans Oxford académique ici
Notre dernière publication scientifique dans MICCAI ici
Très belle semaine à tous !
— l’équipe millefeuille.ai
👋 Si tu veux voir la dernière conversation c’est par ici : La differential privacy avec Nicolas Grislain (Sarus).
Si tu as aimé l’édition, pense à cliquer sur le bouton ❤️ et à laisser un commentaire pour que plus de personnes puissent découvrir millefeuille.ai sur Substack 🙏.
👉 Et c’est par ici pour nous suivre sur Linkedin et Twitter 👈