Charlotte Bunne (ETHZ 2026)
Le cancer est l’une des maladies les plus complexes de la médecine. Un seul patient peut générer des dizaines de mesures différentes, allant des images tissulaires aux séquences génomiques, en passant par les cartes moléculaires et les dossiers cliniques. Chacune capture un aspect différent de la maladie, et pourtant les cliniciens doivent les intégrer pour décider du meilleur traitement. Parallèlement, un autre défi réside dans le contrefactuel : nous observons ce qui se produit le long de la trajectoire thérapeutique choisie, mais jamais ce qui aurait pu se produire avec une autre thérapie, à une autre dose, ou à un autre moment.
Le projet « Virtual Patient Labs » vise à changer cela en construisant un modèle computationnel de la maladie de chaque patient, qui rassemble toutes les données disponibles en une image unique et cohérente. Premièrement, un modèle de fondation multimodal apprend à représenter la biologie d’un patient à travers les échelles moléculaire, cellulaire et tissulaire. Deuxièmement, un simulateur génératif prévoit comment la maladie pourrait évoluer sous différents traitements, rendant ces alternatives non observées accessibles au calcul. Troisièmement, un système de raisonnement par IA traduit ces prédictions en un soutien clinique concret : recommander des thérapies, sélectionner les tests diagnostiques les plus informatifs, et identifier les marqueurs biologiques qui expliquent pourquoi un traitement réussit ou échoue. En collaboration avec les Hôpitaux universitaires de Genève et de Zurich, la plateforme sera évaluée sur des cohortes de patients rétrospectives couvrant plusieurs types de cancer.