2019

NSPARK

autres
Partager

Le contexte

La maladie de Parkinson est une maladie neurologique chronique dégénérative qui, de façon progressive provoque des troubles moteurs et cognitifs. Elle a d’importantes conséquences sur la qualité de vie des personnes qui en souffrent (difficultés pour se déplacer, troubles de l’équilibre, fatigue récurrente, etc.), mais aussi sur leur entourage. 


Cette maladie touche, en France, 1% de la population après 60 ans, soit plus de 150000 personnes. Avec le vieillissement de la population, ce chiffre devrait doubler d’ici 2030. L’évolution de la maladie dépend, entre autres, de facteurs intrinsèques à la maladie (sévérité, facteurs génétiques) et des comorbidités (le fait d’être atteint d’autres pathologies). Cependant, la trajectoire individuelle des patients atteints de la maladie de Parkinson n’est aujourd’hui pas encore prévisible, et il n’existe pas de traitement capable de freiner significativement l’évolution de la maladie. Il y a aujourd’hui un fort enjeu pour renforcer les connaissances sur cette maladie afin de mettre en oeuvre des mesures de prévention adaptées et d’améliorer la prise en charge des personnes qui en sont atteintes.

 

Les objectifs et les bénéfices

Les porteurs de ce projet et leurs partenaires vont analyser finement les trajectoires individuelles d’un grand nombre de  patients atteints de la maladie de Parkinson et évaluer l’impact des comorbidités sur la progression de la maladie (la façon dont les autres maladies influencent l’évolution de la maladie de Parkinson). Ils pourront proposer aux neurologues un outil de prédiction des trajectoires individuelles des patients parkinsonniens pour mettre en œuvre des mesures préventives davantage appropriées et optimiser la prise en charge de ces patients.

 

Innovation clinique / technique

Le projet NS-PARK va combiner des données de la cohorte NS-PARK avec des données d’autres bases telles que celles de l’assurance maladie Des algorithmes d’intelligence artificielle (IA) seront développés grâce à ces données pour modéliser la progression de la maladie et prédire les trajectoires individuelles.