Modélisation de la capacité homéostatique humaine : analyse multivariée des épreuves d'effort cardiorespiratoires et métaboliques pour l'évaluation de l'état de santé

Modeling human homeostatic capability: multivariate analysis of cardiorespiratory and metabolic exercise tests for health assessment

• Auteur / Autrice : Luca Thiébaud
• Direction : Mustapha Ouladsine, Stéphane Delliaux
• Type : Projet de thèse
• Discipline(s) : Automatique
• Date : Inscription en doctorat le 09/09/2024
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : Ecole Doctorale Mathématiques et Informatique de Marseille
• Partenaire(s) de recherche : Laboratoire : LIS Laboratoire d'Informatique et Systèmes

Mots clés

Mots clés libres

Intelligence artificielle

Médecine

Tests d'efforts

Homéostasie

Staistiques

Artificial intelligence

Medicine

Exercise tests

Homeostasis

Statistics

Résumé

L'homéostasie est le processus par lequel les organismes vivants maintiennent un équilibre interne stable nécessaire à leur survie et à leur fonctionnement optimal. Ce processus implique généralement des mécanismes de régulation. L'homéostasie est reconnue comme l'un des huit concepts de base de la biologie et est considérée comme fondamentale dans la physiologie des systèmes. Les capacités homéostasiques d'un individu sont clés dans certaines prises de décision médicales - par exemple la stratification du risque per-opératoire dans la chirurgie du cancer du poumon. Elles peuvent être évaluées par des tests d'effort, qui constituent la méthode clinique traditionnelle d'évaluation de l'état de santé des patients et de la dynamique systémique globale. Les mesures sont obtenues par des tests fonctionnels de routine et des séances d'exercices maximaux, visant à solliciter l'ensemble de l'organisme pour évaluer les réponses physiologiques adaptatives. Afin d'élargir les connaissances théoriques et de combler le fossé entre la recherche actuelle et la pratique médicale, le Laboratoire de Tests d'Exercice des Hôpitaux Universitaires de Marseille a construit sa propre base de données d'activité composée de 2500 tests d'exercice. Cette thèse vise à exploiter l'ensemble des données cliniques afin de fournir une compréhension globale et un cadre d'interprétation des données multivariées générées pendant les tests d'exercice maximal. Cela permettrait d'améliorer le phénotypage des patients grâce à leurs capacités homéostatiques. L'objectif est de développer une approche médicalement et statistiquement cohérente, basée sur des techniques d'intelligence artificielle, pour identifier et quantifier les déterminants de la performance globale à partir des variables surveillées. Les médecins disposeraient ainsi d'un outil analytique amélioré pour réaliser un phénotypage plus pertinent et plus précis des patients. La méthode multivariée développée sera comparée aux approches médicales séquentielles univariées habituelle en termes de pouvoir prédictif pour l'occurrence et la gravité des événements médicaux survenant après l'épreuve d'effort. Si les résultats sont convaincants, la conception d'un outil d'aide à la décision à destination des praticiens sera envisagée.

Homeostasis is the process by which living organisms maintain a stable internal balance necessary for their survival and optimal functioning. This process typically involves feedback mechanisms. Homeostasis is recognized as one of the eight core concepts in biology and is considered fundamental in systems physiology. The homeostasis capabilities of an individual are used to support medical decision making – for instance peri-operative risk stratification in lung cancer surgery. It can be assessed through exercise testing, which is the traditional clinical method for evaluating patients' health status and overall systemic dynamics. Measurements are obtained through routine functional tests and maximal exercise sessions, aimed at challenging the entire organism to evaluate physiological adaptive responses. To broaden theoretical knowledge and to fill the gap between current research and medical practice, the Exercise Test Laboratory of Hôpitaux Universitaires de Marseille built its own activity database composed of 2500 exercise tests. This thesis aims at exploiting the clinical dataset in order to provide a global understanding and interpretation framework of the multivariate data generated during maximal exercise testing. This would improve patients' homeostasis phenotyping through their homeostatic capabilities. The goal is to develop a medically and statistically consistent approach based on artificial intelligence techniques, to identifying and quantifying determinants of overall performance from monitored variables. This would provide physicians with improved analytical tools to achieve a more relevant and precise patient phenotyping. The developed multivariate method will be compared to the current medical univariate sequential approaches in terms of predictive power for the occurrence and severity of medical events occurring after the exercise test. If the results are convincing, the possibility to provide physicians with a quantitative decision support indicator will be explored.