Les chercheurs de l’Université de Lund utilisent les outils de calcul parallèle MathWorks afin d’optimiser l’analyse du profil de risques pour une transplantation cardiaque

MathWorks annonce que l’Université de Lund, l’une des plus grandes universités au monde dans le domaine de la recherche, utilise MATLAB, Neural Network Toolbox et Parallel Computing Toolbox, ainsi que MATLAB Distributed Computing Server, pour améliorer le taux de survie à long terme des receveurs de greffe cardiaque en identifiant la compatibilité optimale entre le receveur et le donneur.



Les chercheurs de l’Université de Lund et de l’Hôpital universitaire de Skåne ont exploré les relations complexes entre les nombreuses variables intervenant lors d’une transplantation, y compris le poids, le sexe, l’âge et le groupe sanguin du donneur et du receveur, ainsi que la durée d’interruption du flux sanguin vers le cœur pendant la transplantation. L’analyse de ces six variables a demandé la simulation de 30 000 combinaisons différentes et la simulation de toutes ces combinaisons pour 50 000 patients a pris plusieurs semaines à l’aide d’un logiciel open-source qui s’est avéré être instable et inexact.



Pour relever les défis liés à la vitesse et à la fiabilité, les chercheurs ont utilisé MATLAB et Neural Network Toolbox pour développer des modèles de réseaux neuraux artificiels (ANN) prédictifs. Ces modèles ANN ont été définis à l’aide des données des donneurs et des receveurs issues de deux bases de données mondiales : le registre de la Société internationale de transplantation cardiaque et pulmonaire (ISHLT - International Society for Heart and Lung Transplantation) et la base de données de transplantation thoracique nordique (NTTD - Nordic Thoracic Transplantation Database).



Les chercheurs de Lund ont utilisé Parallel Computing Toolbox pour programmer des applications parallèles et MATLAB Distributed Computing Server pour étendre ces applications à un cluster afin d’accélérer la simulation de plus de 200 000 configurations de réseaux neuraux artificiels. Ils ont ensuite analysé les résultats pour trouver la configuration la plus performante. Les modèles ont montré que le taux de survie potentiel à cinq ans des patients sélectionnés par les réseaux neuraux artificiels était de 5 à 10 % supérieur à ceux obtenus à partir des critères qu’utilisent actuellement les docteurs.



« La plupart des techniques que nous utilisons impliquent de lourds traitements informatiques et prennent du temps » déclare le Dr. Johan Nilsson, Professeur associé au Département de chirurgie thoracique et cardiovasculaire de l’Université de Lund. « Les outils MathWorks nous ont permis de mener, en environ cinq jours, des expériences qui prenaient généralement trois à quatre semaines. La capacité à consulter et à analyser une grande quantité de données à un rythme soutenu nous a permis de créer et d’utiliser rapidement nos modèles de recherche ».



« Les gains réalisés par l’Université de Lund illustrent parfaitement la façon dont le calcul haute performance permet aux équipes de développer des modèles complexes plus fiables en moins de temps » déclare Silvina Grad-Freilich, responsable marketing pour le calcul parallèle chez MathWorks. « Les ingénieurs et scientifiques veulent résoudre leurs problèmes plus rapidement, et, au cours de la dernière décennie, la capacité à dénicher les meilleurs matériels a entravé leurs efforts. Avec des outils tels que Parallel Computing Toolbox et MATLAB Distributed Computing Server, MathWorks vient à bout de cet obstacle ».