Thèse soutenue

Apprentissage de Modèles Multimodaux Numériques de la progression des Maladies à partir de Données Longitudinales : Méthodes & Algorithmes pour la Description, la Prédiction et la Simulation de la Progression de la Maladie d’Alzheimer.

FR  |  
EN
Auteur / Autrice : Igor Koval
Direction : Stéphanie Allassonnière
Type : Thèse de doctorat
Discipline(s) : Mathématiques appliquées
Date : Soutenance le 23/01/2020
Etablissement(s) : Institut polytechnique de Paris
Ecole(s) doctorale(s) : École doctorale de mathématiques Hadamard (Orsay, Essonne ; 2015-....)
Partenaire(s) de recherche : établissement opérateur d'inscription : École polytechnique (Palaiseau, Essonne ; 1795-....)
Laboratoire : Centre de mathématiques appliquées (Palaiseau, Essonne)
Jury : Président / Présidente : Erwan Le Pennec
Examinateurs / Examinatrices : Stéphanie Allassonnière, Sach Mukherjee, Daniel Alexander, Martin Hofmann-Apitius
Rapporteurs / Rapporteuses : Sach Mukherjee, Daniel Alexander

Résumé

FR  |  
EN

La thèse s'intéresse à l'apprentissage statistique de modèles digitaux de progression des maladies neurodégénératives, en particulier la maladie d'Alzheimer. Ces modèles ont pour but de reconstruire la dynamique complexe et hétérogène de l'évolution de la structure, des fonctions et des facultés cognitives du cerveau, à un niveau moyenne mais également à l'échelle individuelle. Pour répondre à cet objectif, la thèse considère un modèle génératif à effets mixtes qui, à partir de données longitudinales, c'est à dire des observations répétées pour chaque patient, et éventuellement multimodales, recombine les trajectoires spatiotemporelles individuelles en un scénario moyen de progression de la maladie, estimant conjointement la variabilité de cette progression caractéristique. Cette variabilité est le résultat du non alignement temporel (en terme de vitesse de progression et âge de début de la maladie) et d'une variabilité spatiale qui prend la forme d'une modification de la séquence d'événements qui interviennent durant l'apparition et la progression de la maladie. Les différentes parties de la thèse forment une suite logique, depuis la problématique médicale, en passant par la description du modèle statistique associée, l'application de celui-ci pour la description de l'évolution de la maladie d'Alzheimer, et, enfin, le développement d'outils numériques à destination du corps médical pour tirer pleinement parti des méthodes présentées.