|

PAN-REUSE

 Ce projet ambitionne de doter la Wallonie d’un outil stratégique pour répondre rapidement à de futures pandémies. En s’appuyant sur l’infrastructure numérique de MedReSyst, il vise à activer en un temps record la collecte et l’analyse de données médicales et biologiques.
Grâce à une approche intégrée de biologie des systèmes et à la mise en réseau intelligente des données de santé multimodales, le projet permettra d’identifier de nouvelles cibles thérapeutiques et de repositionner des médicaments déjà existants pour accélérer la mise au point de traitements efficaces.

En collaborant avec des partenaires académiques et industriels, l’initiative entend transformer ces découvertes en actions concrètes via des essais précliniques structurés, renforçant ainsi la capacité de la région à faire face aux crises sanitaires futures.

Résultats: Les premiers résultats du projet démontrent la mise en place effective des infrastructures nécessaires à une collecte et une gestion structurée de données de santé et d’échantillons biologiques. Un centre de collecte a été opérationnalisé, avec les équipements essentiels garantissant une autonomie fonctionnelle, tandis que l’accès à des infrastructures lourdes est assuré via des partenariats existants. La faisabilité d’une collecte multicentrique a été validée dans le cadre d’un projet pilote, confirmant la maîtrise des aspects logistiques, analytiques (analyses mono-omiques) et informatiques, notamment via une base de données performante. Les pipelines biostatistiques sont opérationnels et les premières analyses sont en cours.

Le projet PANREUSE bénéficie d’un financement de l’Union européenne à hauteur de 40 %, soit un montant de 140 630,80 €.

Sites Internet du Gouvernement wallon consacré aux Fonds structurels :
https://europe.wallonie.be/ et https://www.enmieux.be

Similar Posts

  • |

    Human in the Loop

    Le projet Human in the Loop vise à améliorer l’intégration de l’intelligence artificielle dans le domaine de la santé en optimisant la synergie entre l’humain et la machine. Il se déploie autour de deux axes complémentaires. Le premier, centré sur le patient, consiste à développer des outils basés sur l’IA capables de suivre l’évolution de…

  • |

    AI4Brain

    Click here to access the project’s website: Le projet IA for Brain vise à introduire des outils avancés d’analyse, de modélisation et de prédiction dans le suivi des patients atteints de troubles neurologiques ou psychiatriques. Il se concentre sur quatre axes : faciliter le transfert et l’harmonisation des données patients, définir les meilleurs modèles et…

  • |

    CLINOM-X

    Le projet CLINOM-X vise à créer une infrastructure informatique innovante pour gérer des dossiers clinomiques destinés à la recherche, en s’appuyant sur des standards modernes et sécurisés. Cette plateforme constituera un socle technologique sur lequel pourront s’appuyer d’autres projets du portefeuille MedReSyst, notamment ceux liés à l’intelligence artificielle et aux coalitions apprenantes. Le projet se…

  • |

    DIOC

    Ce projet vise à transformer la manière dont sont évalués et pris en charge les troubles psychiatriques, en particulier lestroubles liés à l’usage de substances et les troubles de l’humeur. L’objectif : développer un dispositif intégré d’évaluation multifactorielle capable d’orienter chaque patient vers les soins les plus adaptés dès l’hospitalisation, afin de prévenir les rechutes…

  • |

    ENSEMBLE

    Le projet ENSEMBLE vise à préparer le déploiement progressif de la médecine de précision en Wallonie. Il comprend deux volets « fondements » : le séquençage complet du génome d’au moins 500 citoyens wallons et la constitution d’une cohorte de référence de plus de 10 000 participants, intégrant données cliniques, omiques et exposomes. Ce projet…

  • | |

    Coalitions Apprenantes

    Le projet Coalitions Apprenantes développe une nouvelle approche d’apprentissage collaboratif entre les modèles d’intelligence artificielle et les experts médicaux. L’objectif est d’améliorer en continu la qualité des décisions cliniques grâce à un système d’apprentissage actif : lorsque le modèle rencontre un cas incertain, il sollicite l’avis d’un expert humain. En cas de divergence, une seconde…

Laisser un commentaire