Search

Table ronde internationale sur l’IA et la COVID-19
Résumé de la réunion
23 mars 2020
Participants : Voir la liste des participants à l’annexe A.
Cette table ronde est l'une de nombreuses mesures immédiates prises par le CIFAR dans le cadre de la lutte mondiale contre la COVID-19


1. Remarques préliminaires

Alan Bernstein a commencé la réunion en exposant son objectif principal : discuter des défis à relever pour ralentir et arrêter la pandémie de COVID-19, et voir comment l’IA peut aider à répondre à certaines des questions les plus urgentes. Peter Singer a réitéré le message de l’Organisation mondiale de la santé sur la nécessité, pour contenir cette pandémie, de procéder à des tests rapidement et de rechercher les contacts, en plus de la distanciation physique. Samira Asma a souligné les lacunes importantes dans les données actuelles, par exemple en ce qui concerne la déségrégation selon le sexe et l’âge. Mona Nemer a souligné l’importance d’articuler le type de données nécessaires, de donner accès à ces données aux chercheurs, et de développer des idées et des approches sur la façon de sortir de cette crise.

2. Thème : Santé publique/modélisation mathématique

Le groupe a indiqué que l’accès limité à des données de grande qualité et hautement dimensionnelles était une contrainte majeure de la recherche actuellement.  Nous devons collecter et conserver des ensembles de données beaucoup plus importants et multidimensionnels et les partager à l’échelle internationale. Nous devons également nous pencher sur les politiques publiques liées à l’utilisation de ces ensembles de données pour la recherche et la planification des systèmes de santé.

Deux grandes familles de données sont actuellement nécessaires : 1) les données épidémiologiques, pour comprendre comment la maladie se propage (classées par sexe, âge, lieu, etc.) et 2) les données cliniques, pour comprendre comment les cas évoluent, afin de mieux planifier l’allocation des ressources au sein des systèmes de santé. Cela comprend des données anonymes et désagrégées sur les antécédents médicaux, les comorbidités, etc. Un des défis est de fournir les données pertinentes aux pays en fonction des différents stades de la courbe épidémiologique, car les besoins peuvent changer rapidement.

L’OMS envisage de rafraîchir sa politique de partage des données et de définir ce qui devrait être la norme mondiale dans une telle situation d’urgence.

Les tests doivent être effectués de façon beaucoup plus exhaustive et à très grande échelle au Canada et dans le monde entier. Des données sur des éléments tels que le nombre de résultats positifs et négatifs doivent être collectées et rendues accessibles afin d’avoir une meilleure idée des tendances de cette pandémie dans la population.

Une des priorités actuelles est de coupler la modélisation de la dynamique de la maladie avec la capacité de notre système de santé. Le point de saturation de la plupart des systèmes de santé dépend de la capacité en lits dans les unités de soins intensifs, et nos systèmes de santé seront rapidement submergés si l’on se fie à la croissance exponentielle de la propagation du virus.  Il y a un écart considérable entre les données dont disposent les gouvernements et celles dont disposent les épidémiologistes et les modélisateurs. Un deuxième point important est la surveillance : comment continuer à suivre la maladie alors que nous savons que nous ne pouvons pas tester tout le monde ? Ces données seront importantes pour élaborer une stratégie cyclique qui déterminera quand appuyer ou non sur l’accélérateur avec des mesures telles que la distanciation physique. Les modèles prédictifs permettant, par exemple, d’évaluer les endroits où des tests sont nécessaires seront essentiels au cours des 2 à 12 prochains mois.

On estime que de nombreux pays déclarent actuellement moins de 20 % de leurs cas symptomatiques ; il faut donc trouver un moyen de détecter les cas légers de contamination communautaire. Ce type de données en temps réel sera utile pour concevoir des applications d’IA de traçage pair à pair de contacts et peut-être même pour encourager les changements de comportement afin de réduire les risques. Singapour a déployé une application de traçage des contacts, qu’il serait intéressant de modifier et de déployer à l’échelle mondiale dès que possible.

L’IA pourrait être utile pour les objectifs de santé publique suivants :

  • Surveillance des maladies : pour suivre l’évolution de la maladie (au-delà des tests) pendant la période de distanciation sociale afin de réduire la fréquentation des soins intensifs ;
  • Modèles de prédiction de cas : probabilité qu’une personne ait la COVID-19 avant que les résultats des tests soient disponibles, pour aider à établir l’ordre de priorité quant à l’assignation des lits aux patients ;
  • Risque de mortalité : pour déterminer quels patients doivent accéder aux ventilateurs en priorité, par exemple ;
  • Évaluation des déplacements : évaluer les répercussions sur les patients qui ne reçoivent pas de soins cliniques pour d’autres maladies pendant cette pandémie et identifier les conséquences à plus long terme ;
  • Suivi de la façon dont les patients peuvent être déplacés entre différentes régions sanitaires ou hôpitaux en fonction des différentes demandes et du stress sur le système.

Il est nécessaire de passer des données traditionnelles de santé publique conservées dans des entrepôts centraux aux données « non traditionnelles » telles que les sondages (qui demandent aux gens s’ils changent de comportement, par exemple) ou les mégadonnées d’applications telles que Citymapper. Les plateformes telles que Facebook et Google disposent de données à très haute résolution sur la localisation et les déplacements des utilisateurs, mais il existe actuellement des obstacles juridiques et liés à la confidentialité qui empêchent le partage de ces données. Certaines plateformes telles que Google TakeOut et Uber permettent aux utilisateurs de télécharger leurs propres données et de les partager volontairement avec les chercheurs – cela pourrait être un modèle utile. D’autres possibilités méritent d’être explorées comme la programmation d’assistants numériques tels qu’Alexa pour utiliser la toux comme mot de réveil ou la géolocalisation de recherches sur Internet comme vérificateur de symptômes, mais toutes ces possibilités soulèvent des questions juridiques et éthiques qui doivent être abordées.

Des organisations telles que le CIFAR et le CRSNG veulent contribuer autant que possible à ces initiatives et coordonner et relier les chercheurs en santé publique, en IA, en modélisation mathématique, etc.

D’ici la fin de la semaine, Element AI fournira un accès en texte intégral au récent ensemble de données CORD-19 dans un moteur de recherche sémantique (bêta) développé à l’interne, afin de permettre aux chercheurs de repérer les similitudes entre des articles ou des résultats de recherche individuels. Leur objectif est d’intégrer progressivement d’autres ensembles de données non structurées et structurées à ce moteur, et de permettre de lui poser des questions en langage naturel.

En Corée du Sud, la manière d’organiser les données en vue d’une intervention immédiate et d’une planification future a soulevé des questions complexes au départ. Lorsque le nombre de cas a commencé à grimper en flèche, les autorités sanitaires centrales n’avaient aucune capacité de coordination, mais les données (comme celles sur la mortalité) des différents sites sont maintenant reliées. Des chercheurs interdisciplinaires commencent à analyser ces données à l’aide de modèles, afin d’éclairer la pratique diagnostique et la meilleure façon de traiter les patients dans un état critique.

Des tests sérologiques basés sur des anticorps à rotation rapide (10-15 min) sont sur le point d’être déployés, en Corée du Sud en premier. Une meilleure compréhension de l’immunité aidera à prévoir une deuxième vague de la maladie et à identifier une cohorte de travailleurs de la santé immunisés.

3. Thème : Biologie, développement de médicaments et de vaccins       

Du point de vue de l’industrie, plusieurs vaccins potentiels sont actuellement étudiés à un rythme accéléré, mais il faudra encore de 12 à 18 mois pour les déployer dans la population. Les applications d’IA suivantes pourraient être utiles pour le développement de médicaments et de vaccins :

  • Modèles de prévision pour aider les fabricants à évaluer avec précision la quantité de vaccins à fabriquer pour garantir un accès équitable et le bon nombre de doses pour protéger les populations à risque ;
  • Utilisation de l’IA pour démêler des ensembles de données volumineux ou complexes qui pourraient indiquer des corrélats de protection ou des biomarqueurs de dommages ;
  • Capacité de modélisation des effets du vaccin pour prendre des décisions relatives à sa couverture et à son déploiement.

Les cocktails de médicaments sont reconnus pour leur utilité dans le traitement des coronavirus. La modélisation des cocktails de médicaments est difficile, car les méthodes d’examen d’ensembles de données combinés sont limitées. Dans ce cas, l’IA serait très utile.

L’équipe du MIT développe des outils d’IA pour aider à identifier ou à développer des médicaments contre les virus, les bactéries et d’autres menaces similaires. Dans le cas de la COVID-19, sa contribution à court terme est de rechercher des thérapies efficaces et sûres parmi les médicaments déjà approuvés ou ceux qui ont déjà passé les essais cliniques de phase 1. L’équipe recherche notamment des combinaisons ou des cocktails efficaces de ces médicaments. Parmi les initiatives les plus importantes, Wellcome, Mastercard et la Fondation Bill et Melinda Gates ont lancé un effort commun pour accélérer le développement et la production de médicaments pour la COVID-19. Actuellement, seules des approches de traitement plus traditionnelles sont utilisées, et l’IA permettrait d’accélérer considérablement l’analyse des données.

Une équipe dirigée par Alán Aspuru-Guzik utilise l’IA pour travailler sur les points suivants :

  • Accroître la production des petites molécules actuellement en cours de développement (voies de synthèse) ;
  • Développer des revêtements de surface et de nouveaux savons pour éliminer le virus ;
  • Attaquer un récepteur spécifique

Gerry Wright, de l’Université McMaster, et Michael Tyers, de l’Université de Montréal, ont travaillé avec Yoshua Bengio pour appliquer l’IA au développement de médicaments. L’IA peut y contribuer par la modélisation de la structure chimique pour construire des composés, l’étude des interactions génétiques ou protéiques, et la corrélation des données cliniques et cellulaires pour étudier les effets sur les organismes non visés et les effets indésirables.

La JEDI (Joint European Disruptive Initiative) organise un concours lié à la découverte de médicaments contre la COVID-19 qui combinera la dynamique moléculaire et l’apprentissage automatique.

L’IA pourrait également aider à déterminer si les médicaments existants peuvent être réutilisés. Les anti-inflammatoires pourraient être efficaces pour réduire la mortalité due à la pneumonie. Des essais cliniques avec plusieurs inhibiteurs de l’IL-6 sont en cours ou prévus, mais les avantages ou les inconvénients ne seront pas établis avant la fin des essais (par exemple, des corticostéroïdes ont été utilisés contre le SRAS, mais se sont révélés nocifs par la suite).

Nous pouvons tenter de comprendre le coronavirus et son traitement avec des animaux domestiques et d’autres modèles animaux, dont les macaques rhésus, qui récapitulent la maladie observée chez les humains.

Une équipe dirigée par Bo Wang collabore avec des chercheurs de l’Hôpital Sunnybrook qui ont isolé des particules virales du SRAS-CoV2 afin d’étudier la génétique du virus, de retracer sa transmission et de prédire les mutations qui pourraient conduire à une deuxième vague d’infections.

Une des principales limites actuelles est la capacité de la chimie synthétique, car de nombreux laboratoires universitaires sont actuellement fermés et incapables de produire et d’examiner des traitements potentiels. Les universités et les organismes de financement examinent actuellement la possibilité de rouvrir certains laboratoires et de mobiliser la communauté. La conseillère scientifique en chef du Canada discutera de cette question avec les universités de U15.

4. Thème : Conception d’essais cliniques

L’OMS a annoncé un vaste essai mondial, appelé « essai de solidarité », pour savoir si les médicaments prometteurs existants (y compris les antiviraux, l’interféron bêta et la chloroquine) agissent contre la COVID-19.  Les participants de ce groupe ont été encouragés à réfléchir à la manière dont l’IA peut contribuer à cet effort. 

Il peut être difficile d’extrapoler les résultats des essais cliniques réalisés dans les pays du Sud aux pays dont la démographie s’apparente à celle des pays du G7, car dans les pays du Sud, la population est plus jeune, ce qui peut avoir une incidence sur la gravité de la maladie. Cependant, on ne sait pas encore si la répartition des cas de COVID-19 en fonction de l’âge que l’on observe actuellement est due à la présence de comorbidité (comme des maladies chroniques et le tabagisme). L’IA pourrait être utile pour distinguer ces facteurs. L’apprentissage automatique peut également aider à aborder l’hétérogénéité des effets lors de la conception des essais cliniques.

5. Thème : Capacité et résilience du système de santé

Lorsque nous examinons les régions qui semblent avoir le mieux maîtrisé la COVID-19, comme la Corée du Sud, Singapour et Taïwan, nous devons démêler la contribution ou l’efficacité relative des différentes stratégies de santé publique. L’IA pourrait être utile pour les évaluer, par exemple en analysant les variations entre les régions.

L’IA pourrait être utilisée pour optimiser l’admission des patients, la gestion des files d’attente et le flux à l’intérieur des hôpitaux afin d’éviter la contamination des patients qui ne sont pas atteints de la COVID-19. L’IA pourrait également servir à la modélisation haute résolution de la planification des ressources par les hôpitaux, non seulement les ressources physiques telles que les EPI, mais aussi les horaires des médecins et des infirmières afin d’éviter l’épuisement professionnel. Une autre application potentielle de l’IA serait d’aider à comprendre les besoins mondiaux liés aux tests : approvisionnement en réactifs, transport, prévision des pics de demande, etc.

6. Thème : Conséquences politiques

Les participants de ce groupe de travail sont parvenus au consensus suivant : l’accès aux données est essentiel. L’un des principaux enjeux est de trouver un équilibre entre les préoccupations en matière de protection de la vie privée et les avantages de disposer de données en temps réel sur la localisation des personnes provenant d’entreprises telles que Facebook et Google dans une situation d’urgence comme celle-ci. Une des recommandations était d’opter pour une application utilisant un logiciel existant (Facebook ou Google, par exemple) et de permettre aux gens de fournir volontairement des renseignements.  Il s’agit d’une discussion qui devra impliquer des éthiciens ainsi que des experts juridiques et politiques.

Les experts en politiques publiques et en systèmes de santé présents à la table ronde ont également souligné l’importance pour les chercheurs d’échanger avec les organisations de santé publique et les ministères de la Santé sur les besoins réels à l’heure actuelle. L’économie est également un autre sujet de préoccupation, et des données sont nécessaires pour concevoir une stratégie de sortie de crise.

7. Prochaines étapes

Le CIFAR invitera les participants et d’autres personnes à travailler ensemble au sein des sous-comités.  L’un des domaines d’intérêt est la rédaction d’une déclaration soulignant l’importance de partager les données sur la COVID-19 entre les pays et les organisations et de travailler collectivement pour accélérer les progrès dans la lutte contre cette pandémie.

Une séance d’information sur la COVID-19 et l’IA à l’intention des décideurs politiques canadiens sur les résultats de la table ronde aura lieu le 24 mars de 13 h à 14 h HAE, et les participants de ce groupe de travail y sont les bienvenus.

Si la réunion d’aujourd’hui donne lieu à des collaborations, les participants sont encouragés à en informer le CIFAR et ne devraient pas hésiter à demander du financement.

Le CIFAR coordonnera les appels et les réunions à venir et réalisera un sondage pour déterminer la fréquence des prochaines réunions, les invités supplémentaires et la participation éventuelle des sous-comités.

8. Ressources identifiées par les participants de la table ronde

Application TraceTogether pour le traçage de contacts à Singapour

Yoshua Bengio : Dépistage pair à pair de la COVID-19 basé sur l’IA

Politique de partage des données de l’OMS

Center for Data and Computing : a des partenaires qui fournissent des données pour le développement d’applications de traçage, heureux de collaborer

Sites collaboratifs de suivi et de signalement des symptômes :
covidnearyou.com (USA)
flatten.ca (Canada)

Mise à jour sur la COVID provenant de la Corée

Adam Kucharski : estimations initiales approximatives du nombre de cas en cours d’examen/rapportés

Initiative Gates-Wellcome-Mastercard pour le développement de médicaments contre le coronavirus

Essai de solidarité de l’OMS

Assignation des lits d’hôpitaux en Corée du Sud

Impact économique de la distanciation sociale et du télétravail

Initiative du MIT sur la découverte de médicaments



Annexe A : Participants à la table ronde

Alejandro Adem
CRSNG
Président

Samira Asma
Organisation mondiale de la santé
Sous‑directrice générale chargée des données, de l’analyse et de l’application

Alán Aspuru-Guzik
Université de Toronto; Institut Vecteur
Professeur de chimie et d’informatique; boursier Lebovic du programme Énergie solaire bio-inspirée du CIFAR; titulaire de chaire en IA Canada-CIFAR, Institut Vecteur;
Chaire de recherche Canada 150 en chimie théorique

Regina Barzilay
Professeur Delta Electronics de génie électrique et d’informatique, codirecteur de la J-Clinic,
Initiative du MIT sur l’apprentissage automatique dans le domaine de la santé

Marc Bellemare
Google; Université McGill; Mila
Chercheur scientifique; professeur adjoint; titulaire de chaire en IA Canada-CIFAR

Yoshua Bengio
Université de Montréal; Mila; CIFAR
Professeur, département d'informatique et de recherche opérationnelle; directeur scientifique; lauréat du prix Turing de l’ACM; titulaire de chaire en IA Canada-CIFAR, codirecteur du programme Apprentissage automatique, apprentissage biologique du CIFAR

Alan Bernstein
CIFAR
Président et chef de la direction

John Brownstein
Boston Children's Hospital; Harvard Medical School
Directeur de l’innovation; professeur

Sean Caffrey
Université de Toronto
Directeur exécutif, développement d’initiatives stratégiques, bureau du vice-président, recherche et innovation

Nick Cammack
Wellcome
Chef de la division sur les morsures de serpents

Masha Cemma
Bureau de la Conseillère scientifique en chef du Canada
Conseillère politique

Nicolas Chapados
Element IA
Chef scientifique

Dan Drexler
Klick Health
Directeur général

Audrey Durand
Université Laval; Mila
Professeur adjoint en informatique et génie logiciel/informatique/génie électrique; titulaire de chaire en IA Canada-CIFAR

Rosalind Eggo
London School of Hygiene and Tropical Medicine
Professeure adjointe

Kim Elmslie
Agence de la santé publique du Canada
Vice-présidente

Tim Evans
Université McGill
Directeur et vice-doyen, École de santé des populations et de santé mondiale de la Faculté de médecine, vice-principal adjoint (Politiques et innovation mondiales)

Rebecca Finlay
CIFAR
Vice-présidente, mobilisation et politiques publiques

Rita Finley
Agence de la santé publique du Canada
Conseillère principale

David Fisman
École de santé publique Dalla Lana, Université de Toronto, Réseau universitaire de santé
Professeur, épidémiologie

Matthew German
BlueDot
Directeur, Innovation de produits

Marzyeh Ghassemi
Université de Toronto, Institut Vecteur
Professeur adjoint, informatique et médecine; titulaire de chaire en IA Canada-CIFAR

Garth Gibson
Institut Vecteur
Président et chef de la direction

Nick Jackson
Coalition pour les innovations en matière de préparation aux épidémies (CEPI)
Chef des programmes et de la technologie, R-D sur les vaccins

Kamran Khan
BlueDot
Fondateur et chef de la direction

Douglas Kingsford
Ministère de la Santé de la Colombie-Britannique
Directeur de l’information médicale

Yann LeCun
Facebook; Université de New York; CIFAR
Vice-président et scientifique en chef de l’IA;
professeur en informatique, science des données, science des neurones, et génie électrique et informatique; lauréat du prix Turing de l’ACM; codirecteur du programme Apprentissage automatique, apprentissage biologique du CIFAR

Gabriel Leung
Université de Hong Kong
Doyen de la Faculté de médecine

Arnie Levine

Institute for Advanced Study
The Simons Center for Systems Biology
Professeur émérite, École des sciences naturelles, biologie

Cam Linke
Amii
Chef de la direction

Joanne Liu
Médecins sans frontières
Ex-présidente

Muhammad Mamdani
Li Ka Shing Centre for Healthcare Analytics Research and Training (CHART), Hôpital St. Michael
Directeur

Leslie McCarley
CIFAR
Vice-présidente, avancement

Sara Mostafavi
Université de la Colombie-Britannique; Institut Vecteur
Professeure adjointe, statistiques et génétique médicale; titulaire de chaire en IA Canada-CIFAR; boursière du programme Développement du cerveau et de l’enfant du CIFAR

Mona Nemer
Gouvernement du Canada
Conseillère scientifique en chef du Canada

Nathaniel Osgood

Université de la Saskatchewan
Professeur, informatique; membre associé du corps enseignant, santé communautaire et épidémiologie; membre associé du corps enseignant, bio-ingénierie

Marc-Étienne Ouimette
Element IA
Directeur des relations publiques et gouvernementales

Antoine Petit
CNRS
Président-directeur général

Joëlle Pineau
Facebook; Université McGill; Mila
Responsable du laboratoire de recherche sur l’intelligence artificielle, Facebook; professeure adjointe et boursière William Dawson, École d’informatique; titulaire de chaire en IA Canada-CIFAR

Valérie Pisano
Mila
Présidente et chef de la direction

Mike Poole
Biomatics Capital, Inc.; Fondation Gates
Associé; ex-directeur, Global Health @ Gates

Catherine Riddell
CIFAR
Vice-présidente, communications stratégiques

Laura Rosella
ICES; Université de Toronto, École de santé publique Dalla Lana
Professeure adjointe (nomination conjointe)

Beate Sander
Université de Toronto; Réseau de santé universitaire
Scientifique et directrice de Population Health Economics Research (PHER) et du groupe collaboratif Toronto Health Economics and Technology Assessment (THETA)

Bernhard Schölkopf
Institut Max-Planck sur les systèmes intelligents; ETH Zurich
Directeur, département d’inférence empirique; boursier du programme Apprentissage automatique, apprentissage biologique du CIFAR

Michael Schull
ICES
Président et chef de la direction

Sebastian Seung
Université Princeton
Professeur Evnin en neurosciences, professeur d’informatique et à l’Institut des neurosciences de Princeton; conseiller du programme Apprentissage automatique, apprentissage biologique du CIFAR; Comité consultatif scientifique international, CIFAR

Peter Singer
Organisation mondiale de la santé
Conseiller spécial auprès du Directeur général

Elissa Strome
CIFAR
Vice-présidente intérimaire, recherche; directrice exécutive, Stratégie pancanadienne en matière d’IA

Shirley Tilghman
Université Princeton
Rectrice; professeure émérite, biologie moléculaire et affaires publiques

Ashleigh Tuite
Université de Toronto
Professeure adjointe, épidémiologie

Mike Tyers
Institut de recherche en immunologie et en cancérologie; Université de Montréal
Chercheur principal, unité de recherche en biologie des systèmes et en biologie synthétique; professeur, Faculté de médecine

Harold Varmus
Université Cornell
Professeur Lewis Thomas et conseiller principal du doyen et du vice-recteur principal

Marian Vermeulen
ICES
Directrice principale, recherche et données

Charles Victor
ICES
Directeur principal, partenariats stratégiques et services externes

Joshua Vogelstein
Université Johns Hopkins
Professeur adjoint, génie biomédical; Center for Imaging Science

Bo Wang
Centre de cardiologie Peter Munk et Institut Techna du Réseau universitaire de santé; Institut Vecteur
Scientifique principal en intelligence artificielle; titulaire de chaire en IA Canada-CIFAR

Gerry Wright
Université McMaster
Directeur de l’Institut Michael G. DeGroote de recherche sur les maladies infectieuses; professeur, biochimie et sciences biomédicales; boursier du programme Royaume fongique : Menaces et possibilités du CIFAR

Pauline Yick
CIFAR
Chef, finances et affaires administratives

Bill Young
CIFAR
Président du conseil d’administration

Asaph Young Chun
Statistiques Corée
Directeur général de l’Institut de recherche statistique

Rich Zemel
Université de Toronto; Institut Vecteur
Professeur, informatique; directeur de recherche