La prévalence des maladies inflammatoires de l’intestin (MII), englobant la colite ulcéreuse (CU) et la maladie de Crohn (MC), augmente rapidement dans le monde, touchant environ 6,8 millions de personnes. Cette poussée entraîne un fardeau économique important, les coûts annuels des soins de santé dépassant respectivement 12 000 $ et 7 000 $ pour les patients atteints de MC et de CU. Une sélection de médicaments sur mesure basée sur des facteurs individuels peut potentiellement réduire ces coûts et améliorer les résultats pour les patients.
Des facteurs associés à un mode de vie occidental, tels que l’urbanisation, un apport élevé en protéines animales, des aliments ultra-transformés et une consommation réduite de fibres, sont liés à l’apparition des MII. La diversité microbienne intestinale joue également un rôle clé, les communautés rurales présentant une plus grande richesse microbienne que les populations urbaines. Comprendre ces influences environnementales et microbiennes est crucial pour développer des stratégies préventives.
Malgré des avancées scientifiques significatives, les causes exactes de la CU et de la MC restent insaisissables. Une interaction complexe entre la génétique, la dérégulation immunitaire, les altérations du microbiote intestinal et les facteurs environnementaux contribue au développement de la maladie. Les options actuelles de traitement immunosuppresseur nécessitent des approches plus personnalisées.
Le domaine de la médecine de précision offre l’espoir d’un traitement personnalisé des MII. Nous pouvons potentiellement prédire la réponse au traitement et optimiser la sélection thérapeutique en analysant les profils génétiques, immunologiques et microbiens individuels. Cette approche « multiomique », associée à l’apprentissage automatique, détient la clé pour découvrir de nouvelles cibles thérapeutiques et améliorer les résultats pour les patients.
Cette revue approfondit les facteurs génétiques, immunologiques et microbiens des MII, mettant en évidence les marqueurs prédictifs potentiels de la réponse au traitement. Nous explorons les principes de la bioinformatique et de la recherche collaborative basés sur l’apprentissage automatique, ouvrant la voie à de futures stratégies de médecine de précision dans le domaine des MII. En adoptant des approches personnalisées, nous pouvons ouvrir un avenir meilleur aux patients atteints de cette maladie chronique.
