Intelligence artificielle : les enjeux du traitement des données
Le traitement des données dans la recherche en cancérologie et le traitement des personnes malades implique de nombreux défis.

Uriel Chantraine / Institut Curie
Des enjeux colossaux…. et des quantités phénoménales de données
Médicaux et scientifiques
Il s’agit in fine d’identifier le traitement le plus efficace pour chaque patient (aide à la décision) et d’éviter des traitements inutiles ou néfastes
- Mieux diagnostiquer : meilleure classification des tumeurs et la découverte de nouveaux facteurs de risques/susceptibilité
- Mieux traiter : nouvelles indications et combinaisons de traitements, biomarqueurs prédictifs de la réponse au traitement, nouvelles molécules, essais cliniques mieux ciblés, suivi des effets secondaires en temps réel
- Trouver les traitements de demain : comprendre les résistances aux traitements, identifier de nouvelles cibles pour la médecine de précision, intégrer les données environnementales
De quantité, d'hétérogénéité et de qualité
Les petaoctets (un pétaoctet = un million de milliards d’octets) de données disponibles proviennent de sources différentes que les équipes de la Direction des data gèrent et font communiquer entre elles pour permettre une analyse dynamique : nous sommes face à des données de plus en plus volumineuses, complexes (génomiques, physiologiques, biologiques, cliniques, sociales…), hétérogènes (textes, valeurs numériques, signaux, images 2D et 3D, séquences génomiques…) et dispersées (hôpitaux, laboratoires, bases publiques…).
- Images (radiographies, échographies, IRM…)
- Données d’anatomopathologie
- Caractéristiques moléculaires de la tumeur
- Analyses biologiques
- Histoire médicale du patient (traitements administrés, évolution de la tumeur…)
Organisationnels
- Structurer les données et les relier entre elles (interopérabilité)
- Stocker et conserver les données
- Permettre l’exploitation (analyse) et la visualisation des données.