« L'individu que je suis est fait de toutes les impressions reçus du monde extérieur depuis et avant ma naissance » Nicolas de Staël
« la totalité des expositions auxquelles un individu est soumis de la conception à la mort. C'est une représentation complexe et dynamique des expositions à laquelle une personne est sujette tout au long de sa vie, intégrant l'environnement chimique, microbiologique, physique, récréatif, médicamenteux, le style de vie, l'alimentation, ainsi que les infections. " Christopher Paul Wild en 2005, la paradigme de l'exposome
https://academic.oup.com/eurheartj/advance-article/doi/10.1093/eurheartj/ehae158/7635247
L'environnement bâti joue un rôle important dans le développement des maladies cardiovasculaires. Les outils permettant d’évaluer l’environnement bâti à l’aide de vision industrielle et d’approches informatiques sont limités. Cette étude visait à étudier l’association entre l’environnement bâti basé sur la vision industrielle et la prévalence des maladies cardiométaboliques dans les villes américaines.
Cette étude transversale a utilisé des caractéristiques extraites des images Google Street View (GSV) pour mesurer l'environnement bâti et les relier à la prévalence des maladies coronariennes (CHD). Des réseaux neuronaux convolutifs, des modèles linéaires à effets mixtes et des cartes d'activation ont été utilisés pour prédire les résultats en matière de santé et identifier les associations de caractéristiques avec les maladies coronariennes au niveau du secteur de recensement. L'étude a obtenu 0,53 million d'images GSV couvrant 789 secteurs de recensement dans sept villes américaines (Cleveland, OH ; Fremont, CA ; Kansas City, MO ; Detroit, MI ; Bellevue, WA ; Brownsville, TX ; et Denver, CO).
Les caractéristiques de l'environnement bâti extraites du GSV à l'aide de l'apprentissage profond prédisaient 63 % de la variation de la prévalence des maladies coronariennes dans les secteurs de recensement. L'ajout de fonctionnalités GSV a amélioré un modèle qui incluait uniquement l'âge, le sexe, la race, le revenu et l'éducation au niveau du secteur de recensement ou des indices composites des déterminants sociaux de la santé. Les cartes d'activation des caractéristiques ont révélé un ensemble de caractéristiques de quartier représentées par des bâtiments et des routes associées à la prévalence des maladies coronariennes.
Dans cette étude transversale, la prévalence des maladies coronariennes était associée à des facteurs d’environnement bâti dérivés du GSV grâce à une analyse d’apprentissage en profondeur, indépendante des données démographiques des secteurs de recensement.
L’évaluation de l’environnement bâti par vision industrielle pourrait potentiellement offrir une approche plus précise pour identifier les quartiers à risque, offrant ainsi une voie efficace pour traiter et réduire les disparités en matière de santé cardiovasculaire dans les environnements urbains.
EDITORIAL sur l'article suscité
Rohan Khera, Exposomique améliorée par l'intelligence artificielle : nouvelles perspectives sur la santé cardiovasculaire, European Heart Journal , 2024 ;, ehae159, https://doi.org/10.1093/eurheartj/ehae159
https://academic.oup.com/eurheartj/advance-article/doi/10.1093/eurheartj/ehae159/7635253
Article libre d'accès
L'« exposome » représente la totalité des forces environnementales qui façonnent la santé et les résultats d'un individu.
Le rôle de l'exposome dans la santé cardiovasculaire a été documenté dans le contexte de vastes variations régionales des résultats en matière de santé, avec des différences marquées dans l'espérance de vie sur de courtes distances géographiques.
L’association entre le lieu de résidence et les résultats dépasse souvent celle des facteurs de risque biologiques connus. Ceci est souvent résumé par l'expression selon laquelle « le code postal d'une personne est un plus grand déterminant de sa santé que son code génétique ». Cependant, notre capacité à classer de manière appropriée les facteurs de risque environnementaux repose sur des enquêtes démographiques qui suivent la richesse, la pollution et les ressources communautaires. Ces données sont imprécises dans la définition des principaux défis affectant les communautés individuelles et des cibles potentielles des interventions. Bien que même les évaluations basées sur des enquêtes suggèrent l'association de caractéristiques mesurables de l'environnement bâti avec des résultats , ces évaluations sont limitées par leur subjectivité et l'évaluation d'un nombre limité d'éléments.
L'étude de Chen et de ses collègues publiée dans ce numéro du European Heart Journal présente une évaluation nouvelle et plus complète de l'environnement bâti.
Ce travail exploite de manière créative les images panoramiques des rues de Google qui complètent son application cartographique largement utilisée. Le rôle prévu est d'aider les utilisateurs de Google Maps lorsqu'ils naviguent dans des rues dans des environnements inconnus en fournissant des vues de points de repère. Cependant, la possibilité d'accéder à ces photographies depuis Google a permis une série d'enquêtes qui ont exploité ces images de Google Street View comme fenêtres sur l'environnement bâti de nos quartiers. 5
En bref, Chen et ses collègues ont collecté des données Google Street View provenant de 789 secteurs de recensement répartis dans sept villes métropolitaines des États-Unis. Les données représentent des images bidimensionnelles (ou des photographies des rues) échantillonnées dans les quatre directions tous les 100 m à travers les données Street View. Ces images ont été traitées via un réseau neuronal convolutif, une classe de modèles capables de définir des corrélations au niveau des pixels sur les images. Ces modèles ont été utilisés dans un large éventail d’applications, depuis les logiciels de reconnaissance d’images jusqu’à la vision par ordinateur cardiovasculaire. Leur sortie est une matrice de nombres représentant une agrégation des informations sur une image. Dans la présente étude, les résultats d'un tel réseau neuronal appliqué aux données de Google Street View ont ensuite été utilisés pour développer un deuxième modèle d'apprentissage automatique formé pour définir l'association des caractéristiques de l'image avec la prévalence de la maladie coronarienne (MAC) à chaque recensement. tract. Les procédures de développement étaient itératives et rapportaient des résultats représentant ceux obtenus à partir du même ensemble d'images Street View utilisé dans le développement du modèle.
Exposomique de précision : évaluation basée sur l'IA des effets environnementaux sur la santé cardiovasculaire
En conclusion, une approche améliorée par l’IA pour étudier l’environnement physique et son association avec la santé cardiovasculaire souligne que, dans nos communautés, les mesures de la santé cardiovasculaire sont fortement codées dans la simple apparence visuelle de nos quartiers. Il est essentiel d’utiliser ces informations à bon escient, à la fois pour définir les priorités stratégiques visant à identifier les communautés vulnérables et pour redoubler d’efforts pour améliorer la santé cardiovasculaire dans les communautés qui en ont le plus besoin.
Commentaire
L'IA devra être intégrée dans l'étude de l'exposome pour chaque individu.....passage indispensable. Il faut prendre conscience que l'étude de l'exposome concernera l'ensemble des affections , du cancer aux maladies infectieuses en passant par les atteintes CV, neurologiques etc., très vaste chantier.
Les phénomènes thrombotiques notamment veineux devraient bénéficier de l'étude de l'exposome.
Une phrase clé du premier article : "Les caractéristiques de l'environnement bâti extraites du GSV à l'aide de l'apprentissage profond prédisaient 63 % de la variation de la prévalence des maladies coronariennes dans les secteurs de recensement."
Mais allons plus loin , le déterminisme cardio-vasculaire c'est quoi aujourd'hui ?
C'est un amalgame complexe qui aujourd'hui associe :
* L'hérédité
* Le sexe, l'âge
* L'ethnie
* Le niveau d'instruction
* Le lieu de vie : maison immeuble, maison campagne, ville , sud, nord, est, ouest etc.
* Le métier
* Les facteurs de risque CV
* Les désordres mentaux
* Le stress psycho social
* La précarité et la fragilité
* Le type d'habitation ; surface , chauffage
* Le niveau social
* Le climat
* La pollution de l'air, la pollution acoustique, la pollution visuelle
* L'empreinte carbone
* Les zoonoses
* Les atteintes parodontales
* Les atteintes digestives : le microbiote
* Le type d'alimentation
* L'activité physique
* Le système de santé
* Le niveau économique
* La religion
* Les croyances hors religion
L'IA permet une approche de cet amalgame et être prédictive de votre santé cardio vasculaire ce qui permettrai une prévention d'amont très en amont et non un traitement d'aval encore trop en aval. La survenue d'une accident vasculaire cérébral, d'un infarctus du myocarde, d'une artériopathie des membres inférieurs doivent être considérée comme des échecs et non l'évolution attendue d'une "mal" qui n'a pas été dépisté à temps.
Est-ce de la science fiction, non c'est de la science attendue......
A RELIRE
L'EXPOSOME ++++
Graphique acyclique dirigé (DAG) illustrant l'effet causal de l'exposome sur la cardiopathie ischémique (IHD). Étant l'exposome composé de la pollution de l'air, de l'exposition chimique, de la pollution lumineuse, de la pollution acoustique, du stress mental, de la dépression, de l'isolement social, des noxae infectieuses et des infections pulmonaires. Mettre en évidence l'âge, le sexe et le statut socio-économique comme facteurs de confusion. Les nœuds verts indiquent l'exposition d'intérêt, les lignes vertes les voies d'effet de l'exposition, le nœud bleu avec « I » indique le résultat d'intérêt et le nœud bleu sans « I » est un intermédiaire à la voie d'effet. Les nœuds roses montrent les facteurs de confusion puisqu'ils sont à la fois les ancêtres de l'exposition et du résultat et, par conséquent, les lignes roses identifient le chemin de polarisation. Ce DAG a été généré via dagitty.net
https://medvasc.info/archives-blog/exposome?highlight=WyJleHBvc29tZSJ