Un chercheur de l’Université de Binghamton, Université d’État de New York, dirigera un projet de 2,5 millions de dollars des National Institutes of Health visant à développer des modèles de machines permettant d’identifier et de prédire les risques cardiométaboliques chez les adolescents et les jeunes adultes.
Les maladies cardiométaboliques constituent la première cause de décès évitables dans le monde, et le nombre de personnes souffrant d’une ou plusieurs de ces affections au cours de leur vie est en augmentation.
Pourtant, une grande partie de la recherche sur ces maladies s’est concentrée sur les populations adultes et âgées. Et si les jeunes et les professionnels de santé qui les soignent pouvaient mieux comprendre les facteurs de risque qui conduisent à des problèmes de santé plus tard dans la vie et réduire ces facteurs à l’avance ?
C’est l’idée derrière de nouvelles recherches dirigées par le professeur adjoint Bing Si du Thomas J. Watson College of Engineering and Applied Science de l’Université de Binghamton. Travaillant en collaboration avec des scientifiques cliniciens de la Mayo Clinic et de l’Université Harvard, Si développera de nouveaux modèles de machines statistiques pour analyser des milliers de données sur la santé de jeunes individus – ; anonymisé, bien sûr – ; et prédire les risques cardiométaboliques chez les adolescents et les jeunes adultes.
Parmi les facteurs de risque à suivre figurent la dérégulation métabolique, l’obésité, l’inactivité physique, une mauvaise alimentation, les troubles du sommeil et d’autres affections connexes pouvant entraîner un risque plus élevé de conséquences cardiométaboliques graves, telles que la morbidité et la mortalité cardiovasculaires. Les données existantes montrent que bon nombre de ces facteurs de risque affectent de manière disproportionnée la population minoritaire sous-représentée, entraînant des disparités en matière de santé.
Le projet quinquennal a récemment reçu une récompense R01 de 2,5 millions de dollars des National Institutes of Health, dont 1,8 million de dollars venant directement à Binghamton.
Mes recherches portent sur la modélisation statistique et l’apprentissage automatique, en mettant l’accent sur l’analyse multimodale des données de santé, et ces données peuvent avoir des structures très complexes et des propriétés difficiles. Je travaille au développement de nouveaux modèles de fusion de données et d’apprentissage automatique qui relèvent ces défis d’analyse des données et génèrent de nouvelles connaissances pour faciliter la prise de décision médicale. Dans ce projet, nous disposons de ce vaste ensemble de données avec des milliers d’individus pour identifier les sous-groupes à haut risque et à faible risque parmi la jeune population.
Bing Si, membre du corps professoral, Département de science des systèmes et de génie industriel
Parmi les données analysées figurent des données sociodémographiques, des informations diététiques, des analyses de sang, des études sur le sommeil, des habitudes d’exercice, des questionnaires de santé, des examens médicaux et d’autres informations.
« L’un des grands défis est qu’il y a des absences », a déclaré M. Si. « Si vous collectez des données multimodales auprès de milliers de personnes, il est certain que quelqu’un manquera quelque chose. Certains tests peuvent ne pas être fiables et nous ne pouvons pas les utiliser. Nous essayons également d’utiliser une approche de modélisation statistique pour résoudre ce problème. »
Tandis que le groupe de Si dirige le développement et l’application du modèle, ses collaborateurs de Harvard et de la Mayo Clinic apportent des connaissances et des connaissances médicales précieuses pour faciliter cette recherche. « Ce projet ne serait pas possible sans le travail d’équipe entre les ingénieurs des systèmes industriels et les professionnels de la santé », a-t-elle déclaré.
D’ici la fin de la subvention de cinq ans, Si espère que son étude générera des informations sur différents sous-groupes cardiométaboliques qui pourront aider non seulement au traitement, mais également à l’intervention précoce pour les groupes à haut risque. Son cadre méthodologique pourrait également être utilisé pour étudier d’autres maladies complexes afin de faciliter la médecine de précision et de promouvoir la santé de la population.
« Ce n’est pas le travail d’une seule subvention, mais nous espérons qu’après avoir terminé notre projet R01, nous pourrons apporter de nouvelles connaissances dans le domaine et continuer à étudier ce domaine », a-t-elle déclaré. « Notre objectif primordial est d’améliorer les soins de santé cardiométaboliques chez les jeunes lors de leur transition vers l’âge adulte, et à terme de réduire les disparités en matière de santé au sein de diverses populations et de réduire les coûts des soins de santé aux États-Unis. »
