HealthChain est un projet de recherche collaboratif, obtenu en réponse à l’appel d’offres Grands Défis du Numérique lancé par la Banque Publique d’Investissements (BPI).

Le volet fertilité du projet HealthChain a démarré au CHU de Nantes en juin 2020. Piloté par le Pr Thomas Fréour, chef du service de médecine et biologie de la reproduction au CHU de Nantes, ce volet rassemble également la Direction des Services Numériques (DSN), la Direction de la Recherche et de l'Innovation (DRI) et des partenaires privés : entreprises Owkin et Apricity. Ce volet s'ajoute au volet germain en dermato-cancérologie piloté par le Pr Brigitte Dréno et initié en 2018 au CHU de Nantes.

L'objectif de ce projet innovant est de développer des approches originales d'analyse de données grâce aux outils de l'intelligence artificielle (IA) pour la médecine prédictive, tout en garantissant une sécurité absolue des données médicales qui restent à tout moment dans le datacenter du CHU.

 La traçabilité des opérations effectuées sur les données est permise grâce à un système de blockchain. Le volet fertilité vise à optimiser la prise en charge des couples infertiles. On estime que plus d'un couple sur six consulte pour des difficultés à concevoir et que plus de 3% des naissances en France sont obtenues grâce à des techniques d'assistance médicale à la procréation (AMP), dont la fécondation in vitro (FIV).

Le CHU traite environ 1500 cycles de FIV par an, auxquels s'ajoutent plus de 1000 cycles de transfert d'embryon congelé. Malgré les nombreuses évolutions apparues au cours des 30 dernières années, les taux de succès de ces techniques restent largement perfectibles. La diversité des couples infertiles fait que seules les approches personnalisées permettent d'envisager une amélioration de ces résultats.

Plus précisément, les objectifs scientifiques de ce projet de recherche pour le CHU de Nantes sont :

• aider à la prédiction du succès du cycle de traitement de fertilité, afin de fournir une information personnalisée aux couples
• aider à l’optimisation du traitement hormonal lors de la stimulation ovarienne afin d’améliorer les taux de succès et limiter les complications
• aider à l'évaluation du potentiel implantatoire des embryons obtenus en FIV afin d'optimiser les chances de succès lors du transfert, tout en limitant le risque de grossesse multiple

Pour cela, deux approches complémentaires sont utilisées dans le cadre de ce projet HealthChain fertilité.

Premièrement, l'analyse de la base de données clinico-biologiques anonymisée du centre d'Assistance Médicale à la Procréation (AMP) du CHU de Nantes permet de calculer et de prédire, à l’aide d’algorithmes de machine learning, les différents taux de réussite d’un cycle en fonction des paramètres de profil patient, de profil médical et des différents choix opérés pendant ce cycle : les taux de réussite sont calculés par rapport au profil des patients - âge, Indice de Masse Corporelle (IMC), qualité de vie (par exemple consommation de tabac), au profil médical des patients - cause(s) d’infertilité, nombre de cycles précédents, et aux choix médicaux faits par le clinicien - traitement envisagé, doses hormonales. On cherche à établir un modèle mathématique qui permet de prédire le succès d’un cycle de traitement de fertilité mais aussi à comprendre quels facteurs sont les plus influençant pour la prédiction. Cela peut permettre de personnaliser le traitement et in fine d’améliorer l'observance et les chances de réussite d’un traitement, mais aussi de diminuer les risques de complication.

Deuxièmement, dans le cas d’un traitement de fécondation in-vitro, plusieurs embryons sont généralement obtenus suite à la fécondation des ovocytes par les spermatozoïdes. Après quelques jours de culture au laboratoire, un embryon (rarement deux) est transféré chez la patiente. La seconde phase du projet porte sur l'étude du développement de ces embryons obtenus au laboratoire de FIV. Ils sont cultivés dans des incubateurs équipés d'un système optique permettant l'analyse en continu des étapes de leur développement via la capture d'une image de chaque embryon toutes les 10 minutes.

Ces systèmes « timelapse » sont à l'origine d’une quantité très importante de données sous forme d'images et de vidéos, dont l'analyse est possible, mais limitée aux critères déjà connus pour l'évaluation morphologique et cinétique de la qualité des embryons. L'utilisation d'outils basés sur l'intelligence artificielle permet là aussi d'aller beaucoup plus loin en intégrant de très nombreuses données simultanément et en explorant des marqueurs non connus ou inaccessibles à l'analyse humaine habituelle.

L'objectif est d'identifier à partir de ces vidéos des marqueurs pronostiques de qualité embryonnaire, permettant ainsi de mieux cibler les embryons à fort potentiel de grossesse, d'éviter les cycles inutiles liés au transfert d'embryons à moindre potentiel, de raccourcir le délai d'obtention de la grossesse et de diminuer les risques de grossesse multiple par le transfert d'un seul embryon de façon systématique.

Ce projet pilote basé sur un consortium privé-public et associant des datascientists et des médecins permet de répondre à la fois aux dernières exigences en termes de sécurité de gestion des données et de poser les bases de projets de recherche cliniques collaboratifs nationaux et internationaux dans le domaine de la fertilité, et illustre l'importance de la donnée médicale dans la médecine personnalisée du futur.

Contact presse :

Emmanuelle Dubois - 02 40 08 71 85 ou emmanuelle.dubois@chu-nantes.fr