Le RBIQ est heureux de vous annoncer le résultat du concours spécial COVID-19. Il nous fait plaisir de remettre trois subventions de 15 000 $ chacune à Carl Chartrand-Lefebvre, professeur à l’Université de Montréal, à Simon Duchesne, professeur à l’Université Laval et à Olivier Lesur, professeur à l’Université de Sherbrooke pour la qualité de leur projet dans une compétition qui s’est avérée très relevée malgré les courts délais en raison des circonstances.


Michaël Chassé, Joseph Paul Cohen, Carl Chartrand-Lefebvre, Louis-Antoine Mullie, David Buckeridge, Brent Richards, Han Ting Wang, Alexandre Cavayas, Lan Dao

Répondre efficacement à une crise sanitaire, telle que celle de la pandémie de la COVID-19, amène à ce qu’une collecte de données exhaustive, de haute-qualité et structurée soit effectuée. Les bases de données à grande échelle, qui renferment des informations sur les patients, peuvent permettre de développer des modèles de classification et de prédiction. Ces modèles peuvent ainsi faciliter le diagnostic précoce de la COVID-19, caractériser les stades de la maladie, identifier des patients à haut risque de détérioration clinique ou de décès, et peuvent déterminer quels patients sont les plus susceptibles de bénéficier de stratégies de traitement spécifiques, de soutien et/ou de modification de la maladie.

L’objectif de ce projet est de créer une base de données riche, d’informations cliniques sur les patients présentant une infection suspectée ou confirmée au SRAS-CoV-2, et d’utiliser ensuite des techniques d’apprentissage automatique pour produire des modèles prédictifs avancés. Les données examinées comprendront les caractéristiques cliniques, les résultats de tests de laboratoire, les réglages du ventilateur, l’électrocardiogramme, et des données d’imagerie dépersonnalisées. L’objectif est de construire des modèles à des fins diverses, comme pour prédire un statut COVID-19 à partir des radiographies pulmonaires et des résultats de laboratoire, prédire un dénouement critique tel que la mortalité et l’admission aux soins intensifs, ou identifier les phénotypes de la maladie ainsi que leurs réponses aux traitements. Les données seront recueillies auprès de patients adultes testés pour la COVID-19 dans cinq sites hospitaliers de Montréal. L’analyse sera réalisée en partenariat avec Mila, un institut de recherche en intelligence artificielle de renommée mondiale.


Simon Duchesne, Patrick Archambault, Nathalie Duchesne, Louis Gagnon, Marie-Hélène Lévesque, Carl Chartrand-Lefebvre, Fabrizio Vecchio

L’une des difficultés actuellement rencontrées par les travailleurs de la santé, à l’échelle mondiale, est un manque de ressources vitales et la pénurie d’équipements par rapport aux besoins des patients, et comme résultat, l’absence de mesures objectives basées sur des données médicales probantes pour l’allocation des ressources. Le principal objectif de ce projet est d’utiliser l’intelligence artificielle pour combiner les résultats de radiographies thoraciques aux données cliniques et des tests de laboratoire, afin d’améliorer l’allocation des ressources limitées (par exemple, les ventilateurs) aux personnes qui présentent une pneumonie COVID dans les unités de soins intensifs.

Un algorithme de prise de décision sera entrainé en utilisant une grande variété de données, notamment les radiographies thoraciques au chevet, les données démographiques telles que l’âge et le sexe, les comorbidités reliées à la mortalité (à titre d’exemples, le diabète, l’hypertension, les antécédents de problèmes respiratoires) et d’autres facteurs actuellement utilisés pour évaluer la gravité des pneumonies avec le score SMART-COP (ex. pression systolique, albumine, fréquence respiratoire, tachycardie, confusion, oxygénation et pH artériel). L’algorithme sera entrainé avec une banque de données internationales (dont des données italiennes et chinoises) puis validé sur des données acquises au Québec. Une fois terminés, l’algorithme et les données y étant associées seront prospectivement évalués dans les centres de santé du Québec, avant d’être mis à la disposition d’instances qui pourraient bénéficier de ce système, pour guider les décisions de prise en charge de patients et de transfert dans le monde entier.

Lisez-en davantage sur ce projet dans :
le Droit - Respirateur artificiel: un outil pour aider à prioriser les patients qui doivent être branchés


Olivier Lesur, Eric Marsault, Jean-Bernard Denault, Djemel Ziou:

La microendoscopie confocale est une technique qui permet d’obtenir des images de l’intérieur du corps humain de type histologique en temps réel. On insère dans l’organe d’intérêt une sonde spéciale qui combine les fibres optiques à la technologie de la microscopie. Cette technique peut être utilisée pour le diagnostic de diverses maladies et anomalies.

L’objectif de ce projet est de développer une sonde optique pour le monitorage quantitatif intravital, en temps réel, de la présence du virus du SRAS-CoV-2 dans les poumons des patients souffrant de COVID-19. À l’aide d’un modèle animal de rats infectés par le SRAS-CoV-2, le projet vise à quantifier un marqueur direct de l’activité virale (la principale protéinase virale 3CLpro) en identifiant un composé qui devient fluorescent après être entré en contact avec le virus. En validant un diagnostic spécifique d’imagerie du SRAS-CoV-2 dans les poumons, en temps réel et sans aucun échantillonnage ou traitement fastidieux, les patients peuvent être formellement diagnostiqués le plus rapidement possible, pour être isolés, traités et surveillés. Bien que ce projet se concentre sur le virus du SRAS-CoV-2, la technologie et les méthodes développées ont un large éventail d’applications potentielles futures pour l’identification et le traitement d’autres maladies.



Nous remercions toutes les équipes d’avoir soumis un projet dans le cadre de ce concours et soulignons que le travail des chercheurs est indispensable à la lutte contre le coronavirus.

Félicitation aux lauréats et bonne chance!