Amélioration des explications attributives locales pour appuyer l'analyse prédictive par apprentissage automatique : application au secteur de la santé et aux outils d'aide à la décision médicale.
FR |
EN
Auteur / Autrice : | Elodie Escriva |
Direction : | Chantal Soule-dupuy, Julien Aligon |
Type : | Projet de thèse |
Discipline(s) : | Informatique et Télécommunications |
Date : | Inscription en doctorat le 15/02/2021 Soutenance le 01/03/2024 |
Etablissement(s) : | Toulouse 1 |
Ecole(s) doctorale(s) : | École doctorale Mathématiques, informatique et télécommunications |
Partenaire(s) de recherche : | Laboratoire : IRIT : Institut de Recherche en Informatique de Toulouse |
Equipe de recherche : SIG - Systèmes d'Informations Généralisés |
Résumé
FR |
EN
L'objectif général de cette thèse est de proposer un système d'aide à l'analyse prédictive dans le contexte de la prise en charge des patients et de leurs parcours de soins en secteur hospitalier. L'objectif du système est de prédire un évènement indésirable de type réhospitalisation, aggravation, abandon, mais aussi une durée de parcours d'un patient. Le modèle prédictif devra être présenté aux médecins de façon à ce qu'ils puissent appréhender le comportement du modèle, au travers d'une sélection d'observations les plus pertinentes, sans être redondantes. L'appropriation du modèle par les médecins est donc une composante majeure de ces travaux.