L’analyse multimodale intégrative du développement au cours de la vie

Résumé du projet

Les affections de fin de vie, telles que la démence, représentent un enjeu majeur et constant pour le système de santé. Les interventions thérapeutiques actuelles efficaces pour ralentir la démence ont de meilleurs effets si elles sont amorcées plus tôt dans l’évolution de la maladie. Il est donc important de détecter le risque de démence rapidement. Dans ce projet, l’équipe de recherche recourra à la modélisation prédictive et à l’apprentissage machine pour mieux en comprendre l’évolution au cours de la vie et du vieillissement. Elle utilisera les mesures métabolomiques, génomiques, cognitives et cliniques pour détecter les tendances et les prédicteurs des changements liés à l’âge. Elle recourra à des techniques d’apprentissage machine pour déterminer les tendances des données, qui contribuent à établir les personnes les plus vulnérables à un déclin cognitif et à la démence. Les travaux de l’équipe de recherche contribueront à la relation entre les phénotypes métabolomiques, génomiques et cognitifs comme marqueurs précoces du risque de démence, lesquels apportent un nouvel éclairage sur les trajectoires d’hétérogénéité en cas de démence et sur les stratégies de détection précoce et de prévention.