Acquisition de connaissances basée sur des données et des modèles de santé (HeKA)

Responsable d'équipe :

Sarah Zohar

Adjoint.e :

Anita Burgun

Les systèmes d’information hospitaliers sont utilisés à chaque étape de la prise en charge des patients et collectent en permanence des données longitudinales, structurées ou non, y compris des rapports cliniques, des prescriptions de médicaments, des résultats de laboratoire et des données omiques. Malheureusement, les connaissances qui peuvent être acquises à partir des données de santé collectées précédemment sont rarement prises en compte dans les soins cliniques prodigués aux nouveaux patients.

L’objectif de notre équipe Inserm est de développer des méthodologies, des outils et leurs applications dans les cliniques vers un système de santé apprenant, c’est-à-dire un système de santé qui exploite les données cliniques collectées pour extraire de manière agile et fiable de nouvelles connaissances médicales qui, à leur tour, améliorent continuellement les soins de santé. Nous nous appuyons sur la disponibilité des DSE (dossiers médicaux électroniques), des essais cliniques, des cohortes et d’autres données liées pour développer des modèles de stratification et de prédiction susceptibles d’améliorer la précision et la personnalisation des traitements et, partant, la qualité des soins de santé.

Avec cet objectif, l’activité de recherche de l’équipe suit 3 axes interdépendants : (1) Phénotypage du patient et apprentissage de la représentation, (2) Modèles prédictifs stochastiques et pilotés par les données pour l’aide à la décision, et (3) Conception d’essais cliniques de nouvelle génération.

Mots-clés : Médecine guidée par les données, médecine fondée sur des modèles, système de santé apprenant, médecine de précision, acquisition de connaissances, apprentissage par représentation, modélisation prédictive, essais cliniques de nouvelle génération, petits échantillons, recherche translationnelle, dossiers médicaux électroniques, apprentissage automatique, inférence bayésienne.

Site web

Thèmes scientifiques

Phénotypage du patient et apprentissage des représentations

Méthodes et outils permettant d'exploiter les données des patients dans leur grande diversité et complexité.

En savoir plus

Modélisation prédictive stochastique et pilotée par les données des trajectoires de santé

Développement de méthodes originales d'apprentissage automatique et statistique appliquées à la pratique clinique, au pronostic et à la médecine personnalisée

En savoir plus

Conception d'essais cliniques de nouvelle génération

Développement de modèles et d'algorithmes d'apprentissage automatique pour des méthodes d'essais cliniques innovantes.

En savoir plus

Principales publications

A high-dimensional mixture model for censored durations, with applications to genetic data. Bussy S, Guilloux A, Gaïffas S, Jannot A-S. C-mix: Statistical Methods in Medical Research. 2019 ;28(5):1523-1539. DOI: 10.1177/0962280218766389 link

Learning the Clustering of Longitudinal Shape Data Sets into a Mixture of Independent or Branching Trajectories. Debavelaere V., Durrleman S., Allassonnière S. et al. Int J Comput Vis 2020 128, 2794–2809. DOI: 10.1007/s11263-020-01337-8 link

MedExt: combining expert knowledge and deep learning for medication extraction from French clinical texts. Jouffroy J , Feldman SF, Lerner I, Rance B, Burgun A, Neuraz B. JMIR Medical Informatics. 20/01/2021:17934 (forthcoming/in press) DOI: 10.2196/17934 link

Bayesian dose-regimen assessment in early phase oncology incorporating pharmacokinetics and pharmacodynamics. Gerard E., Zohar S., Thai H.T., Lorenzato C., Riviere M.K., Ursino M. (2020). Biometrics 2021. link

Natural Language Processing for Rapid Response to Emergent Diseases: Case Study of Calcium Channel Blockers and Hypertension in the COVID-19 Pandemic. Neuraz A, Lerner I, Digan W, Paris N, Tsopra R, Rogier A, Baudoin D, Cohen KB, Burgun A, Garcelon N, Rance B, AP-HP/Universities/INSERM COVID-19 Research Collaboration; AP-HP COVID CDR Initiative J Med Internet Res 2020 22(8):e20773. DOI: 10.2196/20773 link

The Adverse Drug Reactions From Patient Reports in Social Media Project: Protocol for an Evaluation Against a Gold Standard. Arnoux-Guenegou A, Girardeau Y, Chen X, Deldossi M, Aboukhamis R, Faviez C, Dahamna B, Karapetiantz P, Guillemin-Lanne S, Lillo-Le Louët A, Texier N, Burgun A, Katsahian S. JMIR Res Protoc. 2019 May 7;8(5):e11448. DOI: 10.2196/11448 link

Predicting the need for a reduced drug dose, at first prescription. Coulet A., Shah N.H., Wack M., Chawki M.B., Jay N., Dumontier M. Scientific reports 2018, 8(1), 1-11. DOI: 10.1038/s41598-018-33980-0 link

A clinician friendly data warehouse oriented toward narrative reports: Dr. Warehouse. Garcelon N, Neuraz A, Salomon R, Faour H, Benoit V, Delapalme A, Munnich A, Burgun A, Rance B. J Biomed Inform. 2018 Apr;80:52-63. DOI: 10.1016/j.jbi.2018.02.019 link

Toutes les publications