Intégration de méthodes d’apprentissage statistique pour l’analyse de données hétérogènes issues d’essais cliniques

Abstract

Le but de cette presentation est d’illustrer notre contribution a l’elaboration de methodes d’apprentissage statistique robustes et interpretables, afin d’analyser des donnees issues d’essais cliniques pour l’etude de pathologies telles que l’apathie ou la maladie d’Alzheimer. En particulier, nous nous interesserons a des approches detectant automatiquement la relation jointe entre biomarqueurs de grande dimension tels que les images medicales, l’information genetique ou des tests psychologiques. Nous presenterons egalement nos travaux portant sur la modelisation de l’evolution de la maladie d’Alzheimer a partir de donnees cliniques longitudinales acquises sur une courte duree. Nous verrons comment nos methodes permettent d’identifier differents types de progressions de biomarqueurs impliques dans le processus pathologique. Ces methodes peuvent etre appliquees sur des donnees de grande dimension, notamment des images medicales acquises selon differentes modalites. Enfin, nous montrerons comment ces methodes peuvent etre utilisees comme reference statistique afin d’evaluer et de predire le stade de la maladie a partir de donnees cliniques non etudiees par nos algorithmes.