Thématiques

1.  Modélisation des systèmes cardiovasculaire et cardiopulmonaire (PI : Prof Pierre C. Dauby, Dr Thomas Desaive et Dr Philippe Morimont)

 

Afin de mieux comprendre le fonctionnement complexe du système cardiovasculaire ou du système cardiopulmonaire, nous développons des modèles mathématiques de ces deux entités. La notion de modélisation mathématique d’un système physiologique peut recouvrir des démarches de natures parfois fort différentes, qui constituent divers axes de nos activités. On peut par exemple recourir à des modèles tridimensionnels extrêmement raffinés, et utiliser des méthodes de résolution telles que les éléments finis, pour analyser en détail certaines propriétés ou comportements d’une portion réduite du système étudié. Pour étudier de plus grande partie d’un système, voire un système entier comme le système cardiovasculaire ou le système cardiopulmonaire, on peut également recourir à des modèles dits « agrégés » (lumped parameter models). Malgré leur description spatiale limitée, ils suffisent à mettre en évidence et à décrire de nombreux mécanismes physiologiques importants du point de vue du système considéré dans sa globalité, ainsi que les interactions complexes existant entre les différentes parties du système. Dans certaines études, nous développons également des modèles multi-échelle, par exemple lorsqu’on introduit dans un modèle hémodynamique une description au niveau cellulaire de la contraction du myocarde.

 

 

2.  Ingénierie tissulaire (PI : Prof Liesbet Geris)

 

Un des défis majeurs de l’ingénierie tissulaire et une des étapes essentielles dans le développement d’applications cliniques réussies réside dans la transposition de la connaissance des comportements biologiques complexes des cellules et des tissus à des outils prédictifs robustes. La modélisation mathématique/numérique peut y contribuer en permettant une étude plus quantitative de la complexité biologique et en particulier des signaux auxquels cellules et tissus sont exposés mais également en permettant de comprendre et de prédire la réponse biologique dans différentes conditions.

Nous avons implémenté un ensemble de modèles allant de modèles mécanistiques à des modèles empiriques ciblant des processus aux niveaux intracellulaire, cellulaire et tissulaire. Chaque type de modèle présente ses avantages et ses inconvénients qui délimitent le contexte dans lequel ils peuvent être utilisés. Ainsi les modèles mécanistiques sont plutôt utilisés in silico pour mettre au point de nouvelles expériences ou de nouvelles approches thérapeutiques alors que les modèles empiriques permettent d’identifier dans de grandes séries de données les paramètres in vitro critiques pour les applications in vivo.

 

3.  Neuroimagerie, acquisition et traitement de données (PI : Dr Christophe Phillips)

 

Nous contribuons à la recherche en neuroscience fondamentale et clinique par le développement et la mise en place des méthodes d’analyses de données de neuroimagerie. Ces données sont naturellement diverses : tomographie à émission de positons (TEP) avec radiotraceurs spécifiques (FDG, amyloïdes, etc.), imagerie par résonnance magnétique selon différents contrastes (IRM fonctionnelle, structurelle, quantitative, pondérée en diffusion) ou encore électrophysiologie (EEG, MEG, EOG, etc.). Elles sont acquises chez l’homme mais aussi chez le petit animal (souris et rat) selon des protocoles expérimentaux au sein d’un seul ou entre groupes de sujets sains et/ou pathologiques. Nous étudions ainsi l’architecture cérébrale et/ou l’activité fonctionnelle induite (par stimuli externe ou stimulation magnétique transcranienne) ou spontanée (au repos ou en sommeil),

Les outils mis en place permettent ainsi le traitement, la modélisation et l’analyse statistique des données afin de répondre à des questions spécifiques concernant, entre autres, le développement des maladies d’Alzheimer et de Parkinson, l’interaction entre activité cérébrale et des facteurs externes, les bases génomiques de la variabilité anatomico-fonctionnelle interindividuelle.

 

 

4.  Thérapeutique computationnelle (PI : DR Thomas Desaive, Prof Pierre C. Dauby, Prof Liesbet Geris et Dr Philippe Morimont)

 

Nous combinons des modèles mathématiques et des données cliniques et/ou expérimentales pour créer des « patients virtuels ». Un patient virtuel représente un patient donné dans un état particulier en regard du système physiologique modélisé (cardiovasculaire, respiratoire, musculosquelettique ou métabolique). Nous utilisons ces patients virtuels pour implémenter des systèmes cliniques d’aide à la décision au lit du patient mais également pour développer, tester, comparer et optimiser in silico différentes approches thérapeutiques.  Ces patients virtuels constituent également un nouvel outil rapide et sûr de développement de protocoles cliniques personnalisés. En interactions étroites avec les cliniciens des unités de soins intensifs, nous appliquons ces méthodes au système cardiovasculaire pour guider les praticiens dans leurs décisions thérapeutiques. Nos modèles permettent ainsi d’analyser l’effet de certaines drogues vasoactives ou inotropes ou d’évaluer l’impact de la mise en place d’une assistance cardiorespiratoire. Nous utilisons également cette approche pour optimiser les stratégies de contrôle glycémique et de ventilation mécanique chez les patients critiques. En ingénierie tissulaire, la méthode des patients virtuels nous permet de proposer des solutions thérapeutiques innovantes pour des fractures osseuses chez des patients présentant difficultés de guérison résultant de défauts génétiques.