L’unité de recherche AIMS a pour objectif de forme une équipe de recherche interdisciplinaire dédiée à la génération et la valorisation de données biomédicales multimodales au travers de projets novateurs pour une prise en charge personnalisée des patients. Cette stratégie s’insère dans les concepts novateurs de médecine « one health », de médecine 5P (prédictive, préventive, personnalisée, basée sur les preuves et participative ») et de médecine de précision.

Plaquette de présentation de AIMS

En savoir plus sur l’AIMS

Activités de recherche

Compte tenu de la puissance et du potentiel des données biomédicales pour transformer la recherche médicale et
les soins, l’équipe AIMS est dédiée à la génération et la valorisation de données biomédicales multimodales au
travers de projets novateurs pour une prise en charge personnalisée des patients. Cette stratégie s’insère dans les
concepts novateurs de médecine « one health », de médecine 5P (prédictive, préventive, personnalisée, basée
sur les preuves et participative ») et de médecine de précision.

Cette unité de recherche sera constituée de 3 groupes animant 3 thématiques complémentaires :

• Le groupe biologie (SML – Systems Medicine Lab) a une expertise dans la génération, l’analyse des données
  omiques et l’exploration des réseaux moléculaires associés aux caractéristiques cliniques des patients grâce à
  des outils de biologie des systèmes. Ce groupe a mis en place un symposium international sur la médecine de
  précision P2M edtions 2019, 2022 et 2025 (Symposium International Pathways to Precision Medicine).

• Le groupe imagerie (QuantIF – Quantification en Imagerie Fonctionnelle) se concentre sur l’optimisation et
  l’analyse des images médicales, fonctionnelles et moléculaires pour prédire par imagerie multimodale la
  réponse aux traitements médicaux (radiothérapie, chimio-immunothérapie…) et la survie chez les patients
  atteints de cancers et de pathologies inflammatoires. En combinant ces données radiologiques avec les données
  cliniques et biologiques, ils cherchent à améliorer la précision du diagnostic, à prédire la réponse au traitement
  et à guider les interventions médicales, grâce notamment à la construction d’études cliniques prospectives.

• Le groupe de recherche en santé numérique (RecSan) est composé d’experts en science des données, en
  apprentissage automatique et en analyse de données en santé. Ils possèdent une expertise dans la constitution
  et la gestion d’entrepôts de données de santé et l’indexation sémantique assurant ainsi une infrastructure
  robuste pour le stockage, la confidentialité, et l’accès sécurisé aux données de santé multimodales. Ce groupe
  intègre également des professionnels du département de médecine générale (projets SaNuRN et P4DP), la
  médecine du travail (travaux sur la recherche d’information) et du Medical Training Center (recherche et
  formation en simulation numérique en santé).

L’avènement des approches « omiques » offre une opportunité exceptionnelle pour fournir de nouveaux outils
efficaces pour le dépistage, le diagnostic, le traitement et la surveillance en santé. La quantité croissante de flux
de données multidimensionnelles provenant des technologies omiques et des différents dispositifs de suivi
physiologique et d’imagerie nécessite le développement de méthodes normalisées d’agrégation et d’analyse des
données, en tirant parti de l’intelligence artificielle et des techniques de calcul émergentes, telles que
l’apprentissage automatique, ainsi que des approches avancées de l’informatique dans le cloud pour le partage
des données.

En unissant leurs forces et leurs compétences complémentaires, ces trois groupes forme une équipe de recherche
dynamique et collaborative sur le site du Campus Martainville au sein de l’Université de Rouen Normandie. La
convergence de leurs connaissances et compétences doit engendrer des avancées significatives en sciences et en
clinique, ouvrant ainsi la voie à l’adoption généralisée de la médecine de précision dans la pratique médicale.
Au total, l’objectif scientifique est de pouvoir générer (création d’études prospectives) et valoriser (base de
données) des données biomédicales multimodales, c’est-a-dire toutes les données de santé globale (One Health),
en incluant les données d’environnement (exposomes), données de l’internet des objets connectés, dispositifs
médicaux, réseaux sociaux… dans une échelle de temps de 5 à 10 ans.