Recrutement en cours

Diagnostic prédictif de l'entérocolite ulcéro-nécrosante chez les bébés prématurés à l'aide d'une approche d'intelligence artificielle basée sur l'analyse précoce du microbiote fécal

Promoteur : University Hospital, Clermont-Ferrand

Titre et résumé traduits de l’anglais par le portail, à partir de la fiche publiée par le registre source, le 16 septembre 2026. Traduction automatique, sans relecture médicale : elle ne modifie ni n’interprète le contenu ; en cas de doute, le texte original fait foi.

Texte original (anglais)

Predictive Diagnosis of Ulcero-Necrotizing EnteroColitis in Premature Babies Using an Artificial Intelligence Approach Based on Early Analysis of the Fecal Microbiota

Prematurity affects around 7% of births in France. Necrotizing enterocolitis (NEC) is a dreaded digestive complication. It is responsible for a mortality rate ranging from 15 to 40%, a rate that has remained stable in recent years, and for medium- and long-term digestive and neurodevelopmental morbidity. Its onset is unpredictable and sudden, usually between 10 and 20 days of life, and requires immediate, aggressive management: hemodynamic support, fasting, systemic antibiotic therapy or even surgery. Prevention is therefore essential, but systematic measures with proven efficacy (breastfeeding, early enteral feeding, multiple probiotics) are few and far between. What's more, these preventive measures cannot be modulated and adapted individually, since it is not possible to finely predict the risk of developing enterocolitis. Thus, the use of a predictive diagnostic test for NEC would make it possible to identify high-risk premature babies and develop personalized preventive measures. Changes in the digestive microbiota precede the onset of NEC, but it has not been possible to identify a reproducible and reliable microbial signature. As a result, the limited power of microbiota analysis and interpretation means that it cannot be used in practice to predict ECUN. Our partner team (MEDiS) has developed a bioinformatics chain (RiboTaxa) to obtain the precise structure of complex microbial communities from direct metagenomic sequencing data. Stool samples from international cohorts (1562 samples, 208 preterm infants) were then mined to train a deep neural network and generate a predictive diagnostic test for NEC. In a local study (10 cases and 10 controls), the predictive diagnostic performance of this test was 90%, with the 1ère stool identified as "at risk" preceding NEC by 8 days (extremes 4 - 17 days), and the 2nde by 2 days (extremes 0-7 days). We would now like to test our predictive diagnostic technique on a larger number of premature babies in the AURA region. 1000 children included, 200 children tested (50 NEC - 150 controls)

La prématurité concerne environ 7 % des naissances en France. L'entérocolite ulcéro-nécrosante (ECUN) est une complication digestive redoutée. Elle est responsable d'un taux de mortalité allant de 15 à 40 %, taux resté stable ces dernières années, ainsi que d'une morbidité digestive et neurodéveloppementale à moyen et long terme. Sa survenue est imprévisible et brutale, généralement entre 10 et 20 jours de vie, et nécessite une prise en charge immédiate et agressive : soutien hémodynamique, mise à jeun, antibiothérapie systémique, voire chirurgie. La prévention est donc essentielle, mais les mesures systématiques d'efficacité prouvée (allaitement maternel, alimentation entérale précoce, probiotiques multiples) restent rares. De plus, ces mesures préventives ne peuvent être modulées et adaptées individuellement, car il n'est pas possible de prédire finement le risque de développer une entérocolite. Ainsi, l'utilisation d'un test diagnostique prédictif de l'ECUN permettrait d'identifier les prématurés à haut risque et de développer des mesures préventives personnalisées. Des modifications du microbiote digestif précèdent la survenue de l'ECUN, mais il n'a pas été possible d'identifier une signature microbienne reproductible et fiable. En conséquence, la puissance limitée de l'analyse et de l'interprétation du microbiote signifie qu'elle ne peut être utilisée en pratique pour prédire l'ECUN. Notre équipe partenaire (MEDiS) a développé une chaîne bio-informatique (RiboTaxa) permettant d'obtenir la structure précise de communautés microbiennes complexes à partir de données de séquençage métagénomique direct. Des échantillons de selles issus de cohortes internationales (1 562 échantillons, 208 prématurés) ont ensuite été exploités pour entraîner un réseau de neurones profond et générer un test diagnostique prédictif de l'ECUN. Dans une étude locale (10 cas et 10 témoins), la performance diagnostique prédictive de ce test était de 90 %, la 1ère selle identifiée comme « à risque » précédant l'ECUN de 8 jours (extrêmes 4-17 jours), et la 2nde de 2 jours (extrêmes 0-7 jours). Nous souhaitons désormais tester notre technique de diagnostic prédictif sur un plus grand nombre de prématurés dans la région AURA. 1 000 enfants inclus, 200 enfants testés (50 ECUN - 150 témoins).

Voir les modalités officielles

Vous quittez essai-clinique.com pour le site externe clinicaltrials.gov, géré par l’organisme responsable de l’annonce. La candidature, les questions d’éligibilité et toute information médicale se traitent uniquement là-bas.

Important : essai-clinique.com ne recueille pas de candidature et ne détermine pas votre éligibilité. Ne transmettez aucune information médicale au site.

Les critères affichés sont une synthèse des informations disponibles. Seul l’organisme responsable de l’étude peut confirmer l’éligibilité d’une personne.