Machine learning to predict impulse control disorders in Parkinson's disease

par Johann Faouzi

Thèse de doctorat en Informatique

Sous la direction de Olivier Colliot et de Jean-Christophe Corvol.

Soutenue le 04-12-2020

à Sorbonne université , dans le cadre de École doctorale Informatique, télécommunications et électronique de Paris , en partenariat avec Institut du cerveau et de la moelle épinière (Paris). Algorithmes, modèles et méthodes pour les images et les signaux du cerveau humain sain et pathologique (laboratoire) .

Le président du jury était Gérard Biau.

Le jury était composé de Marta Avalos, Alexandre Gramfort, Mélanie Prague.

Les rapporteurs étaient Christophe Ambroise, Franck Durif.

mots clés

• Apprentissage automatique
• Maladie de Parkinson
• Troubles du contrôle des impulsions
• Scores de risque génétique
• Analyse statistique
• Réseaux de neurones récurrents
• Apprentissage automatique
• Prévision, Théorie de la
• Maladie de Parkinson -- Aspect génétique
• Impulsions (psychologie)
• Analyse comportementale -- Méthodes statistiques

Titre traduit

Apprentissage automatique pour la prédiction des troubles du contrôle des impulsions dans la maladie de Parkinson

Résumé

Les troubles du contrôle de l'impulsivité sont une classe de troubles psychiatriques caractérisés par des difficultés dans la maîtrise de ses émotions, pensées et comportements. Ces troubles sont courants dans la maladie de Parkinson et associés à une baisse de la qualité de vie des patients ainsi qu'à une augmentation de la charge des aidants. Pouvoir prédire quels sont les sujets les plus à risque de développer ces troubles et quand ces troubles apparaissent est de grande importance. L'objectif de cette thèse est d'étudier les troubles du contrôle de l'impulsivité dans la maladie de Parkinson à partir des approches statistique et de l'apprentissage automatique, et se divise en deux parties. La première partie consiste à analyser la performance prédictive de l'ensemble des facteurs associés à ces troubles dans la littérature. La seconde partie consiste à étudier l'association et l'utilité d'autres facteurs, en particulier des données génétiques, pour améliorer la performance prédictive.

mots clés

• Machine learning
• Parkinson's disease
• Impulse control disorders

Résumé

Impulse control disorders are a class of psychiatric disorders characterized by impulsivity. These disorders are common during the course of Parkinson's disease, decrease the quality of life of subjects, and increase caregiver burden. Being able to predict which individuals are at higher risk of developing these disorders and when is of high importance. The objective of this thesis is to study impulse control disorders in Parkinson's disease from the statistical and machine learning points of view, and can be divided into two parts. The first part consists in investigating the predictive performance of the altogether factors associated with these disorders in the literature. The second part consists in studying the association and the usefulness of other factors, in particular genetic data, to improve the predictive performance.