Prédiction de la peur de la récidive du cancer : une approche par intelligence artificielle appliquée aux données de VICAN.

Prediction of fear of cancer recurrence : an artificial intelligence approach applied to VICAN data.

• Auteur / Autrice : Mamoudou Koume
• Direction : Anne-Déborah Bouhnik, Maria Raquel Urena perez
• Type : Projet de thèse
• Discipline(s) : Biologie-Santé - Spécialité Recherche Clinique et Santé Publique
• Date : Inscription en doctorat le 14/11/2022
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : École Doctorale Sciences de la Vie et de la Santé (Marseille)
• Partenaire(s) de recherche : Laboratoire : SESSTIM - Sciences Economiques & Sociales de la Santé et Traitement de l'Information Médicale
• Partenaire(s) de recherche : Equipe de recherche : SESSTIM - E1 - CAN BIOS - Cancer, Biomédecine & Société

Mots clés

Mots clés libres

Cancer

Peur de la récidive

Intelligence artificielle

Prédiction

Cancer

Fear of recurrence

Artificial intelligence

Prediction

Résumé

Contexte : L'espérance de vie s'est considérablement allongée ces dernières décennies grâce aux progrès thérapeutiques et aux dépistages de plus en plus précoces pour la plupart des localisations de cancer. Néanmoins, l'après-cancer n'est pas un retour à l'état antérieur et les personnes ont à faire face à de nombreuses difficultés dans leur vie quotidienne parmi lesquelles, la peur que la maladie ne revienne ; appelée aussi peur de la récidive du cancer (PRC). Elle se définit comme « la peur ou l'inquiétude que le cancer revienne ou progresse dans le même organe ou dans une autre partie du corps ». Une récente étude DELPHI a tenté de définir les principales caractéristiques de la PRC clinique : un niveau élevé d'anxiété et de préoccupation, des préoccupations persistantes, entre autres. Cependant, alors que des interventions psychosociales ciblées ont montré leur intérêt pour aider à réduire la PRC, aucune prise en charge efficace n'existe à notre connaissance en France ni aucune mesure permettant d'identifier précocement les personnes susceptibles de souffrir de PRC clinique. Des développements en Intelligence Artificielle (IA) appliqués aux données de santé permettent l'élaboration de modèles de prédiction du risque de maladie, de son pronostic ou des données cliniques. C'est dans ce contexte que s'inscrit ce projet doctoral, en combinant l'approche par IA, encore peu utilisée et les données de l'enquête VICAN 5 (VIe après le CANcer) et celles du SNDS (Système national des données de santé). Objectifs : Les objectifs de ce projet sont dans un premier temps de proposer un modèle d'intelligence artificielle interprétable permettant d'identifier les patients à risque de développer une PRC clinique après le diagnostic de cancer et n'ayant pas connu d'évolution dans les cinq ans suivant le diagnostic, en considérant trois localisations : sein, colon-rectum et prostate. Ensuite, il s'agira d'étudier le lien entre la consommation de soins médicaux et la PRC pour chacune de ces localisations et aussi de comparer la prévalence de la PRC entre les différents types de localisations considérées ainsi qu'en discriminant suivant le sexe. Enfin, il sera question d'évaluer si les algorithmes d'intelligence artificielle développées sont extensibles à des autres localisations. Méthodes : Les données qui seront utilisées dans ce projet seront issues de VICAN 5 et du SNDS. Après avoir fait l'étude de l'état de l'art, une analyse exploratoire sera effectuée afin de choisir les variables pertinentes pour le projet. Ensuite, les techniques d'intelligence artificielle seront utilisées afin d'identifier la peur de la récidive chez les femmes souffrant d'un cancer du sein. Dans cette étape, l'apprentissage supervisé sera utilisé sur les données labellisées d'abord et par la suite l'apprentissage semi-supervisé sur l'ensemble des données. Cependant, chacune de ces étapes sera accompagnée d'interprétations, d'évaluations et de validations. Dans la suite, les techniques précédemment citées seront utilisées pour l'identification de la peur de la récidive chez les patients souffrant du cancer dans d'autres localisations ; cancer du colorectal et de la prostate, et cela sans distinction de sexe. Résultats attendus : Cette thèse permettra d'analyser chez les patients diagnostiqués d'un cancer (cancer du sein, colorectal, et de la prostate) si la PRC est liée à une surconsommation de soins et, le cas échéant d'identifier les consommations de soins qui y sont associées. Sa bonne réalisation pourra permettre d'envisager à terme la réalisation d'une application basée sur les algorithmes d'IA permettant aux oncologues et autres professionnels de santé de dépister les patients à risque de développer une PRC, en vue de pouvoir les orienter vers des soins adaptés. Cela permettra aussi de réduire les possibles surcoûts de consommation de soins associés à la PRC tout en facilitant l'élargissement du champ d'application à d'autres cancer, ainsi qu'à la prédiction d'autres facteurs de qualité de vie après le cancer, et d'autres problématiques telles que la survie, évaluées à travers la consommation de soins à l'aide des méthodologies d'intelligence artificielle.

Context : Life expectancy has increased considerably in recent decades thanks to therapeutic progress and increasingly early detection for most cancer sites. However, post-cancer is not a return to the previous state and people have to face many difficulties in their daily life, including the fear that the disease will return ; also called fear of cancer recurrence (FCR). It is defined as “the fear or worry that the cancer will come back or progress in the same organ or in another part of the body”. A recent DELPHI study attempted to define the main characteristics of clinical FCR : high level of anxiety and worry, persistent preoccupations, among others. However, while targeted psychosocial interventions have shown their interest in helping to reduce FCR, to our knowledge there is no effective management in France, nor any measure allowing the early identification of people likely to suffer from clinical FCR. Developments in Artificial Intelligence (AI) applied to health data allow the development of models for predicting the risk of disease, its prognosis or clinical data. It is in this context that this doctoral project fits, by combining the AI approach, still little used and the data of the VICAN 5 survey (VIth after the CANcer) and those of the NHDS (National Health Data System). Goals : The goals of this project are firstly to propose an interpretable artificial intelligence model allowing to identify patients at risk of developing clinical FCR after the diagnosis of cancer and having not experienced any evolution within five years. depending on the diagnosis, considering three tumour sites : breast, colorectal and prostate. Then, it will be a question of studying the link between the consumption of medical care and FCR for each of these tumour sites and also to compare the prevalence of FCR between the different tumour sites considered as well as by discriminating according to sex. Finally, it will be a question of evaluating whether the artificial intelligence algorithms developed are extensible to other locations. Methods : Data used in this project will come from VICAN 5 and the NHDS. After studying the state of the art, an exploratory analysis will be carried out in order to choose the relevant variables for the project. Then, artificial intelligence techniques will be used to identify the fear of recurrence in women suffering from breast cancer. In this step, supervised learning will be used on the labeled data first and then semi-supervised learning on all data. However, each of these steps will be accompanied by interpretations, evaluations and validations. In the following, the techniques mentioned above will be used to identify the fear of recurrence in patients suffering from cancer in other tumour sites ; colorectal and prostate cancer, regardless of gender. Expected results : This thesis will make it possible to analyze in patients diagnosed with cancer (breast, colorectal and prostate cancer) whether FCR is linked to overconsumption of care and, if necessary, to identify the consumption of care that is associated with it. Its successful implementation may eventually make it possible to envisage the creation of an application based on AI algorithms allowing oncologists and other healthcare professionals to screen patients at risk of developing FCR, with a view to being able to direct them towards appropriate care. This will also make it possible to reduce the possible additional costs of consumption of care associated with FCR while facilitating the extension of the scope of application to other cancers, as well as to the prediction of other factors of quality of life after cancer and other issues such as survival, assessed through care consumption using artificial intelligence methodologies.