Pr Vincent Sobanski

Pourriez-vous nous parler de votre parcours professionnel et des raisons qui vous ont conduit à évoluer de la médecine interne vers le domaine des données massives en santé ?

Dans notre activité d’interniste, nous utilisons les différents outils à disposition pour établir un diagnostic expliquant les symptômes du patient. Cela inclut la recherche des signes positifs et des causes différentielles, à l’aide du sens clinique, des examens biologiques ou d’imagerie, des explorations fonctionnelles ou encore de l’anatomopathologie. Il faut ensuite décider de la prise en charge thérapeutique, en combinant les atteintes présentes lors du début de la maladie mais aussi celles qu’on attend, c’est-à-dire le pronostic global. Pendant mon internat, j’étais fasciné par la complexité des présentations cliniques : chaque patient, même au sein d’une même maladie, était un peu différent par ses symptômes ou les résultats des tests. Un peu déconcerté face à cette grande hétérogénéité clinique, j’essayais d’imaginer que nous serions capables d’absorber toutes ces informations et que la puissance informatique nous permettrait de reproduire le raisonnement d’un médecin avec beaucoup d’expérience face à un nouveau patient.

Lorsque le CHU de Lille a élaboré son plan d’établissement pour 2017, je me suis porté volontaire pour réaliser un audit interne sur notre « politique numérique de recherche ». Alors que j’étais familier des cohortes clinico-biologiques prospectives (celle du FHU IMMINeNT/PRECISE initiée par le Pr David Launay a démarré en 2014), j’ai découvert qu’installer un entrepôt de données de santé (EDS) serait stratégique pour notre campus. Le rêve était un peu fou : il s’agissait de réunir toutes les données produites au CHU dans le cadre du soin et de les réutiliser pour la recherche alors que les bases n’étaient pas connectées pour la plupart. Avec mes collègues Grégoire Ficheur et Didier Theis, et soutenus par la direction générale, nous nous sommes rendus au CHU de Rennes car le Pr Marc Cuggia était un pionner dans ce domaine. Nous avons constitué une équipe, obtenu des financements (MEL dans le cadre du projet PreciDIAB et I-Site) et des locaux, puis choisi une solution pour ranger, stocker et requêter les données. Un important travail réglementaire a été fourni pour obtenir l’autorisation CNIL, sésame indispensable à l’ère du RGPD pour exploiter les données de santé. Lorsque l’EDS INCLUDE a ouvert officiellement, nous étions dans le top 3 avec l’APHP et le CHU de Rennes en termes de maturité de développement.

Après 4 ans de direction du projet INCLUDE, j’ai souhaité revenir à ma thématique principale de recherche qu’est l’immunologie. Fort de cette expérience et disposant maintenant des données qui nous manquaient initialement, j’ai créé une équipe de recherche dédiée à la caractérisation de groupes homogènes de patients (endotypes) à l’aide de l’intelligence artificielle. Cette équipe pluridisciplinaire ENDOMIC appartient à l’unité INFINITE (Inserm, Univ. Lille, CHU Lille). Elle accueille des informaticiens, des data-scientists, des biologistes spécialistes des omiques et des professionnels de santé pour que nous avancions ensemble. En partenariat avec le laboratoire CRIStAL et l’Inria, nous développons de nouvelles méthodes informatiques pour intégrer et analyser des données hétérogènes, complexes, et de dimensions variables. Nous venons d’obtenir une chaire IA Santé avec la KU Leuven, partenaire stratégique majeur de l’Université de Lille, ainsi qu’un financement Inserm Messidore. Nous participons au projet de CDP PRIME-NEXTGEN, conjoint entre les unités EGID et Infinite, afin de s’enrichir mutuellement des approches développées sur les maladies auto-immunes ou sur le diabète. Cette comparaison est essentielle pour mieux appréhender le concept original de méta-inflammation.