Intelligence Artificielle pour l'analyse prédictive des maladies à partir de données biologiques

Artificial Intelligence for the predictive analysis of diseases from biological data

• Auteur / Autrice : Hadrien Salem
• Direction : Slim Hammadi
• Type : Projet de thèse
• Discipline(s) : Informatique, Automatique
• Date : Inscription en doctorat le 01/12/2022
• Etablissement(s) : Centrale Lille Institut
• Ecole(s) doctorale(s) : MADIS Mathématiques, sciences du numérique et de leurs interactions
• Partenaire(s) de recherche : Laboratoire : CRIStAL - Centre de Recherche en Informatique, Signal et Automatique de Lille

Mots clés

Mots clés libres

Système d'aide à la décision

Intelligence Artificielle

Optimisation

Données biologiques

Ontologies

Decision support systems

Artificial Intelligence

Optimization

Biological Data

Ontologies

Résumé

Le but de ce sujet de thèse est de concevoir et développer un SADUM (Système d'Aide à la Détection Ultra-précoce des Maladies) basé sur une ontologie pour un diagnostic, un pronostic et une prédiction des maladies à partir des données biologiques des patients à l'aide d'une technique de clustering. Cette technique permettra d'identifier des modèles complexes et non linéaires d'expression et de relations au sein de l'ensemble des données afin d'extraire des connaissances intrinsèques sans aucune hypothèse biologique sur les données. Les ontologies médicales devraient contribuer à l'utilisation efficace des ressources d'informations médicales qui stockent une quantité considérable de données. Et pour cela l'ontologie ainsi conçue permettrait de modéliser et représenter les informations nécessaires au diagnostic et à la prédiction de certaines maladies.

The goal of this PhD subject is to design and develop a Decision Support System for Early Detection of Diseases, based on an ontology for diagnosis, prognosis and prediction of diseases, using patients' biological data and clustering techniques. This will allow the identification of complex models and non-linear relations within the data, as well as the extraction of knowledge intrinsic to the data, without any prior biological assumptions. Medical ontologies should contribute to the efficient usage of medical information systems, which store a considerable amount of data. Such ontologies would allow the modelling and representation of information necessary to the diagnosis and prediction of certain diseases.