ProCoG

CONTEXTE

Le vieillissement de la population mondiale engendre une pression croissante sur les systèmes de santé et sur les économies. D’ici 2050, la proportion d’individus âgés de plus de 60 ans devrait atteindre 22 %, ce qui s’accompagne d’une hausse significative des pathologies liées à l’âge, notamment les maladies neurodégénératives comme la maladie d’Alzheimer (MA). Cette pathologie représente un enjeu majeur de santé publique, avec un coût estimé à plus de 1 % du PIB mondial. Dans ce contexte, il devient essentiel de développer des stratégies de prévention et de suivi individualisé, ainsi qu’un diagnostic plus précoce permettant une prise en charge mieux adaptée à la trajectoire spécifique de chaque patient.

La MA est caractérisée par un déclin cognitif progressif, dont l’évolution varie fortement d’un individu à l’autre. Cette variabilité rend difficile la planification des soins personnalisés et pose de nouveaux défis pour l’administration de traitements en cours de développement. Le projet ProCoG s’inscrit dans cette perspective en s’appuyant sur la base de données MEMENTO, une cohorte longitudinale regroupant 2 300 personnes initialement non malades mais qui présentent des plaintes cognitives. Ces participants sont suivis tous les six mois pendant deux ans, avec des évaluations cliniques, neuropsychologiques, biologiques et d’imagerie cérébrale, ainsi que des questionnaires portant sur leur mode de vie et leur environnement social.

L’objectif du projet est de prédire l’évolution du statut cognitif à partir des données issues des bilans neuropsychologiques. À terme, les patients sont classés selon trois profils : ceux qui demeurent cognitivement sains, ceux qui développent un trouble cognitif léger, et ceux qui évoluent vers un trouble cognitif majeur, caractéristique de la MA. Les analyses chercheront à mieux caractériser ces trajectoires cognitives en utilisant des méthodes d’apprentissage automatique, non seulement sur les scores isolés, mais aussi sur des profils cognitifs multidimensionnels. Cette approche intégrée, encore peu explorée, offre un potentiel accru pour la prédiction individualisée. Elle s’appuie sur des précédents méthodologiques solides dans l’équipe, notamment dans l’analyse de graphes appliquée aux données cognitives, permettant d’appréhender les relations dynamiques entre les différentes fonctions comme la mémoire, le langage ou les fonctions exécutives.

---

CONTRIBUTION DE L’ÉTUDIANT

L’étudiant recruté pour ce stage de Master 2 recherche jouera un rôle central dans la conduite du projet. Il commencera par un travail approfondi de veille bibliographique portant à la fois sur la maladie d’Alzheimer et sur les approches d’analyse prédictive appliquées à des données longitudinales. Il sera ensuite amené à se familiariser avec la base de données MEMENTO, en particulier les scores cognitifs extraits des bilans neuropsychologiques successifs. Il participera activement aux analyses, qui mobiliseront des méthodes avancées de machine learning pour modéliser l’évolution du statut cognitif sur une période de 24 mois.

En parallèle, l’étudiant pourra également s’impliquer dans des analyses complémentaires basées sur la théorie des graphes, afin d’explorer les interactions entre les différentes dimensions cognitives. Ces analyses permettront de dégager des profils cognitifs typiques associés aux différentes trajectoires et de mieux comprendre les points de bascule entre un état cognitif sain et un état pathologique. Cette contribution s’inscrit dans une démarche pluridisciplinaire alliant neurosciences cognitives, neuropsychologie et data science, et fournira à l’étudiant une expérience riche sur un projet de recherche à fort enjeu sociétal et clinique.