L’objectif de cet axe est double et peut être résumé comme suit : comment les essais cliniques peuvent-ils aider l’apprentissage automatique ? Et inversement, comment l’apprentissage automatique peut-il aider les essais cliniques ? Ainsi, le premier objectif est de proposer des méthodes d’essais cliniques adaptées aux outils d’apprentissage continu, comme le SaMD (Software as a Medical Device). Le second objectif est de développer des modèles d’apprentissage automatique et statistique et des algorithmes d’apprentissage pour permettre des conceptions innovantes d’essais cliniques en utilisant des maladies et des modèles translationnels, des DSE, des données d’essais cliniques et des patients synthétiques, pour l’acquisition de connaissances liées au patient dans le domaine de la biomédecine.
Nous étudierons spécifiquement la validation clinique des approches d’apprentissage automatique dans le domaine de la santé, en proposant des méthodes et des modèles (pour toute phase d’essai clinique ou étude prospective) pour l’évaluation des logiciels, utilisés comme dispositifs médicaux tels que définis par le “Artificial Intelligence and Machine Learning Discussion Paper” de la FDA (2020).
Mots-clés : Modèles de maladies, modèles translationnels, algorithmes d’adhésion aux données, algorithme d’optimisation du traitement, inférence bayésienne.
Références bibliographiques :
An adaptive power prior for sequential clinical trials – Application to bridging studies. Ollier A, Morita S, Ursino M, Zohar S.(2020) Stat Methods Med Res. Aug;29(8):2282-2294. DOI: 10.1177/0962280219886609 link
A Bayesian non-inferiority approach using experts’ margin elicitation – application to the monitoring of safety events. Aupiais C, Alberti C, Schmitz T, Baud O, Ursino M, Zohar S. (2019) BMC Med Res Methodol. Sep 18;19(1):187. DOI: 10.1186/s12874-019-0826-5 link
Phenotypic similarity for rare disease: Ciliopathy diagnoses and subtyping. Chen X, Garcelon N, Neuraz A, Billot K, Lelarge M, Bonald T, Garcia H, Martin Y, Benoit V, Vincent M, Faour H, Douillet M, Lyonnet S, Saunier S, Burgun A. J Biomed Inform. 2019 Dec;100:103308. doi: 10.1016/j.jbi.2019.103308. Epub 2019 Oct 14. PMID: 31622800. link