L’apprentissage machine, un moyen pour augmenter l’efficacité des traitements en santé mentale.

Rencontrer l'équipe

À propos

Au niveau de la santé, notre objectif principal est de repousser les frontières de la psychiatrie de précision. Nous créons un outil de décision clinique pour les médecins afin d'aider à prédire quels traitements seront les plus susceptibles d'être efficaces pour un patient particulier.
La dépression est une maladie mentale grave qui affecte globalement plus de 300 millions de personnes. Certains patients peuvent passer des années à trouver un traitement efficace, et de nombreux patients ne s'amélioreront pas après le premier traitement. L'incapacité de prédire la réaction d'un individu face à un certain traitement de santé mentale est une barrière énorme à leur rétablissement.
Pour relever ce défi, nous utilisons une approche d'apprentissage en profondeur pour construire un modèle prédictif basé sur les meilleures données disponibles.
Initialement, nous mettons l'accent sur les traitements de la dépression, mais nous prévoyons éventuellement inclure toutes les conditions de santé mentale afin d'amplifier l'utilité clinique de notre outil. À la base, aifred exploite l'intelligence collective de la communauté scientifique et médicale afin d’apporter de meilleurs soins de santé à tous.
Notre siège social est situé à Montréal, au Canada, et nous sommes fiers de participer à l'IBM Watson AI XPRIZE.

Lisez plus:

La technologie


Nous optimiserons aifred avec l'aide d'un réseau distribué d'experts en psychiatrie - une collaboration unique pour la santé. Nous mettons en œuvre des réseaux d'attention qui diminueront la nature «boîte noire» des réseaux neuronaux. De plus, nous analysons la qualité des prédictions du modèle, permettant à la fois une plus grande interprétabilité des décisions et la génération de nouvelles questions de recherche fondamentale, qui seront uniques aux techniques d'ensemble de données et d'optimisation que nous développons en interne. Grâce à une formation sur des ensembles de données fiables, nous sommes en mesure d'assurer une contribution de qualité à notre modèle. Les résultats des patients anonymisés seront réinjectés dans nos réseaux neuronaux afin d'améliorer continuellement le pouvoir prédictif d'aifred. L'ingénierie des fonctionnalités joue un rôle important dans la détermination des intrants dans un réseau et varie selon les équipes. Une fois de plus, cela sera réalisé avec le soutien du groupe d'experts que nous recrutons.

Notre produit


Prédiction de traitement

Travaillez avec notre système AI pour générer des prévisions de traitement personnalisées pour vos patients.

Interprétabilité

Oubliez la boîte noire! Notre système fournira un rapport expliquant les caractéristiques importantes qui ont conduit à une prédiction de traitement.

Suivi des données patient

Suivez les symptômes du patient ou d'autres informations pour surveiller les résultats ou faire de nouvelles prédictions.

Enregistrement patient électronique

Conservez toutes les informations importantes sur les patients au même endroit et obtenez des informations grâce à nos analyses. Des listes de tâches comme un agenda et des listes de tâches vous aident à rester concentré.

Recherche fondamental à clinique




Fondamental

Notre équipe de recherche procède à une série de revues systématiques de la littérature pour déterminer les prédicteurs de la réponse au traitement et du fardeau des effets secondaires de la dépression. Nous évaluons l'état de la psychiatrie de précision dans des domaines tels que la génétique, l'endocrinologie, l'immunologie, la biochimie métabolique et la neuro-imagerie, ainsi que la faisabilité d'inclure le test des biomarqueurs dans la pratique clinique de routine. Les résultats de ces revues serviront à valider notre modèle en intégrant des biomarqueurs multimodaux et des facteurs sociodémographiques et cliniques.



Clinique

La recherche clinique est axée sur la validation de notre modèle dans des conditions contrôlées et réelles. Nous concevons trois types d'essais de recherche indiqués ci-dessous. La sécurité est essentielle, et notre équipe clinique, qui comprend deux médecins, veillera à revoir les prédictions de notre modèle et à garantir que les recommandations de traitement du modèle soient sécuritaires. Nous sommes en train de tracer la voie en ce qui concerne la validation clinique des aides à la décision cliniques fondées sur l'apprentissage en profondeur et, en tant que tel, investissons massivement dans le développement de principes éthiques pour guider le développement et les tests. En fait, le développement éthique est si important pour nous que nous avons créé notre propre cadre éthique, connu sous le nom de Meticulous Transparency, pour guider notre travail. Nous ne conservons jamais d'informations identifiables sur les patients pour protéger la vie privée des patients.


Facilité d'utilisation

Le modèle doit être facile a utiliser et fournir aux cliniciens les fonctionnalités qu'ils souhaitent et dont ils ont besoin. Nous devons donc étudier l'intégration de la solution dans le flux de travail clinique et ses effets sur l'efficacité du clinicien et l'interaction médecin-patient.

Essais ouverts

L'innocuité et l'efficacité du modèle doivent être évaluées lors d'essais ouvert où les cliniciens et les patients savent quand notre modèle est utilisé. Un groupe de médecins utilisant notre modèle sera comparé à un groupe pratiquant des soins habituels, et les résultats des patients seront comparés entre les deux.

Essai contrôlé randomisé

Après des études ouvertes, nous effectuerons un ou plusieurs essais contrôlés randomisés, en testant notre modèle par rapport à un modèle «fictif» et à un groupe «pratique habituelle». Cela nous aidera à déterminer l'efficacité de la solution aifred.

Êtes-vous chercheur?

Envoyez-nous un message!

Collaborateurs




Dr. Gustavo Turecki, MD, PhD - Génétique, expert en contenu d'accès aux ensembles de données
Dr. Marc Miresco, MD, MSc - Expert en contenu de services externes de psychiatrie
Dr. Leon Tourian, MD - Expert en contenu d'éducation médicale
Dr. Thomas Milroy, MD - Expert en contenu de thérapie électroconvulsive
Dr. Gail Myhr, MDCM, Dip Psy, MSc, FRCP - Expert en matière de thérapie cognitivo-comportementale
Dr. Eduardo Chachamovitch, MD, PhD - Psychométrie, troubles de l'humeur et Populations particulières Expert en contenu
Dr. Marcelo Berlim, MD, MSc - Revue de littérature et expert en contenu de neuromodulation
Dr. Howard Margolese, MD - Expert en essais cliniques
Dr. Mathieu Blanchette, PhD - Expert en contenu d'apprentissage automatique



Dr. Daniel Blumberger, MD, MSc, FRCPC - expert en rTMS et en neuromodulation
Dr. Sagar Parikh, MD - Lignes directrices, meilleures pratiques, expert en contenu de sécurité culturelle
Dr. Simone Vigod, MD, MSc, FRCPC - Lignes directrices, meilleures pratiques, expert en contenu de sécurité culturelle
Dr. Anthony J. Levitt, MD, MBBS, FCPC - Expert en optimisation du traitement de la dépression
Dr. Roger S. McIntyre, MD, FRCPC - Expert en psychiatrie et neuropharmacologie



Tristan Sylvain - Expert en contenu d'apprentissage automatique
Dr. Margaux Luck - Expert en contenu d'apprentissage automatique



Dr. Wendell Wallach - Expert en contenu Bioéthique et IA Ethique



Dr. Jonathan Roiser, PhD - Expert en psychiatrie computationnelle



Dr. Charles F. Reynolds III, MD - Expert en matière de dépression de la fin de vie



Dr. Randy Goebel, PhD - Expert en contenu d'apprentissage automatique



Entrer en contact!