Méthodes d’exploitation de données multimodales de patients par intelligence artificielle : application aux myopathies congénitales
Langue Français
Accéder au document

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

 
Auteur : Meyer, Corentin
Date de soutenance : 20-10-2023

Directeur(s) de thèse : Poch, Olivier - Collet, Pierre

Président : Wemmert, Cédric
Rapporteur(s) : Smaïl-Tabbone, Malika - Rausell, Antonio
Membre(s) du jury : Bonne, Gisèle

Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale des Sciences de la vie et de la santé (Strasbourg ; 2000-....)
 
Discipline : Sciences de la vie et de la santé
Classification : Médecine et santé, Informatique, information, généralités

Mots-clés libres : IA, Quantification d'images, Apprentissage profond, NLP, LLMs, Myopathie congénitale, Données biomédicales, Rapports médicaux en texte libre, Histologie, Médecine translationnelle
Mots-clés :
  • Intelligence artificielle en médecine
  • Systèmes d'aide à la décision - Emploi en thérapeutique
  • Maladies musculaires - diagnostic - Informatique
  • Ontologies (informatique)
Résumé : 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.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2023STRAJ053
Type de ressource : Thèse