Note ABES Méthodes d’exploitation de données multimodales de patients par intelligence artificielle : application aux myopathies congénitales Methods for exploitation of multimodal patient data using artificial intelligence : application to congenital myopathies IA Quantification d'images Apprentissage profond NLP LLMs Myopathie congénitale Données biomédicales Rapports médicaux en texte libre Histologie Médecine translationnelle AI Image quantification Deep learning NLP LLMs Congenital myopathy Biomedical data Free text medical reports Histology Translational medicine 616.74 006.3 Intelligence artificielle en médecine Systèmes d'aide à la décision Emploi en thérapeutique Maladies musculaires diagnostic Informatique Ontologies (informatique) La croissance exponentielle des données générées par le séquençage, l'imagerie et les dossiers médicaux électroniques met en évidence le besoin d'outils pour l'exploitation des données biomédicales multimodales. L’objectif de ma thèse est de développer des méthodes basées sur l’intelligence artificielle pour explorer les données de patients atteints de myopathies congénitales, une famille de maladies génétiques rares et difficiles à diagnostiquer. Dans un premier temps, j’ai développé IMPatienT (Integrated digital Multimodal PATIENt daTa), une application web permettant d'annoter et d'explorer les rapports et les images histologiques des patients dont la base de données a été analysée par IA explicable (xAI). Ensuite, j’ai développé NLMyo (Natural Language Myopathies), un outil basé sur les modèles linguistiques de grande taille comme GPT-3.5 et LLaMA. NLMyo permet d’anonymiser et d’extraire de l’information de comptes rendus médicaux, de faire de l’aide au diagnostic et de créer un moteur de recherche de patients. Enfin, j’ai développé MyoQuant, un outil utilisant des modèles d’IA pour quantifier automatiquement des marqueurs pathologiques dans les biopsies de fibres musculaires. IMPatient, NLMyo et MyoQuant sont disponibles de manière open-source et en version de démonstration en ligne. The exponential growth of data generated by sequencing, imaging, and electronic medical records highlight the need for tools to exploit multimodal biomedical data. The objective of my thesis is to develop methods based on artificial intelligence to explore data from patients with congenital myopathies, a family of rare genetic diseases difficult to diagnose. First, I developed IMPatienT (Integrated digital Multimodal PATIENt daTa), a web application for annotating and exploring patient reports and histological images whose database has been analyzed by explainable AI (xAI). Then I developed NLMyo (Natural Language Myopathies), a tool based on large language models such as GPT-3.5 and LLaMA. NLMyo allows anonymizing and extracting information from medical reports, to do diagnostic assistance and to create a patient search engine. Finally, I developed MyoQuant a tool using AI models to automatically quantify pathological markers in muscle fiber biopsies. IMPatient, NLMyo and MyoQuant are available as open-source and online demo versions. Electronic Thesis or Dissertation Text fr PDF 45787328 Université de Strasbourg Strasbourg 2023-12-31 https://theses.hal.science/tel-04286843 application/pdf https://publication-theses.unistra.fr/public/theses_doctorat/2023/MEYER_Corentin_2023_ED414.pdf http://www.theses.fr/2023STRAJ053/abes https://theses.hal.science/tel-04286843 https://theses.hal.science/tel-04286843 https://theses.hal.science/tel-04286843 https://theses.hal.science/tel-04286843 https://theses.hal.science/tel-04286843 Meyer Corentin 1997-04-09 FR 272973688 1508017162P 21506501 4200047 https://theses.fr/2023STRAJ053 2023STRAJ053 https://doi.org/10.70675/9fb8d330z6746z473fz8587z0245a1ae7527 2023-10-20 Sciences de la vie et de la santé Strasbourg 131056549 Doctorat Docteur es non oui Poch Olivier MADS_DIRECTEUR_DE_THESE_1 070441553 Collet Pierre MADS_DIRECTEUR_DE_THESE_2 112048854 Wemmert Cédric MADS_PRESIDENT_DU_JURY 176663576 Bonne Gisèle MADS_MEMBRE_DU_JURY_1 075894920 Smaïl-Tabbone Malika MADS_RAPPORTEUR_1 190929065 Rausell Antonio MADS_RAPPORTEUR_2 231982143 École doctorale des Sciences de la vie et de la santé (Strasbourg ; 2000-....) MADS_ECOLE_DOCTORALE_1 414 156502844 Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) MADS_PARTENAIRE_DE_RECHERCHE_1 176969721 217648 ddc:610 ddc:000 Poch Olivier Collet Pierre Wemmert Cédric Bonne Gisèle Smaïl-Tabbone Malika Rausell Antonio École doctorale Sciences de la vie et de la santé (Strasbourg ; 2000-....) Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg) PDF 45787328