Analyse multimodale intégrative du développement tout au long de la vie

Résumé du projet

Les maladies évolutives comme la démence représentent un défi majeur et permanent pour le système de santé. Les interventions thérapeutiques actuelles, bien que performantes, sont plus efficaces lorsqu'elles sont mises en œuvre précocement ; il est donc crucial d'identifier les facteurs de risque de démence au plus tôt. Ce projet vise à utiliser la modélisation prédictive et l'apprentissage machine pour mieux comprendre le développement et le vieillissement tout au long de la vie. Nous allons exploiter des données métabolomiques, génomiques, cognitives et cliniques afin d'identifier des schémas et des prédicteurs des changements liés à l'âge. Grâce à des techniques d'apprentissage machine, nous identifierons des tendances dans les données, ce qui nous permettra de mieux comprendre les personnes susceptibles de présenter un risque accru de déclin cognitif et de développer une démence. Nos travaux contribueront à mettre en lumière la relation entre la métabolomique, la génomique et les phénotypes cognitifs en tant que marqueurs précoces du risque de démence, offrant ainsi de nouvelles perspectives sur les mécanismes sous-jacents à l'hétérogénéité de la démence et éclairant les stratégies de dépistage et de prévention précoces.