Le diagnostic prédictif grâce aux millions de données médicales du Phenotypic Disease Network (PDN)

, Partager

Des chercheurs de la "Northeastern University" de Boston, et de l’"Université de Harvard" à Cambridge, ont analysé les données d’assurance maladie de 32 millions d’américains pour construire le plus grand réseau mondial de maladies associées et ainsi comprendre le lien entre les différentes maladies. Il servira entre autres aux spécialistes de santé pour fournir de meilleurs soins sous la forme de diagnostics et de traitements préventifs. L’étude est publiée dans un numéro récent de "PLoS Computational Biology".

Une personne qui souffre d’hypertension a t-elle un risque plus élevé de développer un diabète ou une autre maladie ? Les experts médicaux savent depuis longtemps que de nombreuses maladies sont liées les une aux autres, et que parfois les frontières ne sont pas claires entre ces différentes maladies. Des corrélations existent car les maladies peuvent avoir de multiples causes, et plusieurs maladies peuvent avoir la même cause (par exemple, la même voie métabolique).


Le réseau PDN a été développé à partir des données médicales de 32 millions d’américains âgés de 65 ans ou plus, inscrits dans le système d’assurance santé "Medicare". Il permet d’étudier la corrélation entre plus de 10.000 maladies. Il se compose de noeuds (maladies) et de liens entre les maladies. C’est une représentation visuelle sous forme de "carte" de la progression de la maladie dans l’espace, dans lequel les patients "sautent" d’une maladie à l’autre le long des liens du réseau. Quand une personne est touchée par deux maladies, les maladies partagent une "relation de comorbidité". Afin de quantifier cette relation, les chercheurs ont utilisé deux types de paramètres : le risque relatif et la correspondance phi. A cause d’un biais intrinsèque, le paramètre de risque relatif est plus sensible aux maladies rares, alors que le réseau de corrélation phi est plus sensible aux maladies communes, et donc chaque paramètre prédomine à une échelle différente.

Ainsi, les chercheurs ont constaté que la structure des réseaux pouvait améliorer leur compréhension de la progression de la maladie. Par exemple, ils ont constaté que les patients sont susceptibles de développer des maladies qui sont plus proches dans le réseau que des maladies qu’ils ont déjà eues. Dans un sens, le développement d’une maladie chez un patient peut être pensé comme un processus de propagation sur le réseau. D’ailleurs les maladies qui sont étroitement liées ont tendance à être précédées par moins de maladies reliées, et les maladies hautement connectées sont associées avec un degré plus élevé de mortalité. De cette façon, le lieu du réseau dans lequel se trouve le patient, serait susceptible de prédire sa longévité, selon les auteurs de l’étude

Globalement, l’étude montre que le réseau peut servir comme représentation de la progression de la maladie. En combinant ce type d’informations phénotypiques avec les informations génétiques et protéomiques, les chercheurs pourraient avoir une perspective plus large de la progression de la maladie et des relations de comorbidités. Ce réseau peut également servir à comparer l’état de santé général de différentes populations (par différences culturelles, géographiques, etc…).

Pour César Hidalgo, auteur de l’étude, (…) "la médecine a concentré l’essentiel de ses efforts de compréhension par la séparation des objets d’étude (maladies) en leurs composants essentiels (gènes, protéines, voies de signalisation, organes). Nous montrons qu’il est possible de caractériser et de comprendre les maladies par la recherche de leur contexte plutôt que de leurs composants. Les soins de santé sont de plus en plus délocalisés et une carte comme la PDN pourrait être un moyen idéal pour représenter les dossiers médicaux. Le réseau PDN pourrait aussi servir aux industries pharmaceutiques pour développer de nouvelles indications pour leurs médicaments".

Les données scientifiques sont disponibles gratuitement en ligne pour les chercheurs, les médecins et les patients [1]. Elles peuvent être téléchargées ou consultées sous formes de tableaux et de graphiques qui résument les associations entre une maladie particulière et les autres maladies.

Source :


- "A Dynamic Network Approach for the Study of Human Phenotypes" - PLoS Computational Biology - Hidalgo César A. et al. - Volume 5, Numéro 4 - 10 avril 2009 - http://www.ploscompbiol.org/article/info%3Adoi%2F10.1371%2Fjournal.pcbi.1000353
- "Researchers Build World’s Largest Disease Association Network" - Physorg - Lisa Zyga - 15/04/2009 - http://www.physorg.com/news159015435.html

Pour en savoir plus, contacts :


- [1] "HuDiNe, the Human Disease Network" - http://hudine.neu.edu
- "Medicare" - Wikipédia - http://fr.wikipedia.org/wiki/Medicare
Code brève
ADIT : 58771

Rédacteur :

Alexandre Touvat (deputy-sdv.mst@ambafrance-us.org)

Voir en ligne : http://www.bulletins-electroniques….