Modélisation statistique pour la prédiction du pronostic de patients atteints d’un Accident Vasculaire Cérébral
Auteur / Autrice : | Brice Ozenne |
Direction : | Delphine Maucort-Boulch, Norbert Nighoghossian |
Type : | Thèse de doctorat |
Discipline(s) : | Biostatistique |
Date : | Soutenance le 23/10/2015 |
Etablissement(s) : | Lyon 1 |
Ecole(s) doctorale(s) : | École doctorale Evolution Ecosystèmes Microbiologie Modélisation (Lyon ; 1999-....) |
Partenaire(s) de recherche : | Laboratoire : Equipe Biostatistique-Santé (Lyon) |
Jury : | Président / Présidente : Florence Forbes |
Examinateurs / Examinatrices : Martyn Plummer, Tae-Hee Cho | |
Rapporteurs / Rapporteuses : Florence Forbes, Denis Vivien |
Mots clés
Résumé
L’Accident Vasculaire Cérébral (AVC) est une maladie grave pour laquelle des critères très stricts encadrent l’administration du traitement curatif en phase aigüe. Ces critères limitent drastiquement l’accès à ce traitement : on estime que seuls 10% des patients atteints d’un AVC en bénéficient. L’objectif de ce travail est de proposer un modèle prédictif de l’évolution de l’AVC qui permette d’identifier le volume de tissu à risque de chaque patient. Ce volume, qui correspond au bénéfice potentiel du traitement, permettra de mieux orienter le médecin dans sa décision de traiter. Pour répondre à cet objectif nous nous intéressons aux problématiques d’évaluation de modèles prédictifs dans un contexte de faible prévalence, de modélisation prédictive sur données spatiales, de prédiction volumique en fonction de l’option de traitement et de segmentation d’images en présence d’artefacts. Les outils développés ont été rassemblés au sein d’une librairie de fonctions du logiciel R nommée MRIaggr