La soutenance de thèse de Margaux Roux (équipe GMCAO) aura lieu mardi 16 décembre 2025 à 14h et portera sur le thème : 

« Aide à la décision pour la revascularisation des membres inférieurs par Raisonnement à partir de Cas (RàPC) »

« Decision support for revascularization of lower limbs with Case Based Reasoning (CBR) »

Lieu : Amphithéâtre Inférieur Sud de la faculté de médecine de Grenoble, 23 Av. des Maquis du Grésivaudan, 38700 La Tronche.

Composition du jury :

• Jean Lieber, LORIA, Rapporteur
• Guillaume Dardenne, LATIM, Rapporteur
• Jean-Noël Albertini, Chirurgien vasculaire, Examinateur
• Sandrine Voros, TIMC, Examinatrice
• Pascal Haigron, LTSI, Directeur de thèse
• Céline Fouard, TIMC, Directrice de thèse
• Rafaëlle Spear, CHUGA, Directrice de thèse

 Résumé en français :

L’ Artériopathie Oblitérante des Membres Inférieurs (AOMI) est une pathologie artérielle des membres inférieurs dont les symptômes principaux sont les douleurs et les plaies ischémiques. Afin d’éviter les complications graves telles que les amputations et le décès, la revascularisation est une procédure chirurgicale visant à restaurer le flux sanguin. Les chirurgiens vasculaires sont confrontés à des décisions complexes, car la probabilité de succès ou d’échec d’une technique chirurgicale reste difficile à anticiper.

À ce jour, aucune solution d’aide à la décision ne répond pleinement à cette problématique. L’objectif de cette thèse est d’étudier la pertinence du Raisonnement à Partir de Cas (RAPC) pour répondre à ce besoin dans le contexte de la chirurgie vasculaire. L’aide à la décision clinique intéresse chercheurs et médecins depuis plusieurs décennies.

Les Systèmes d’Aide à la Décision Clinique (SADC) visent à faciliter la prise de décision et remplissent diverses fonctions : alerte, aide au diagnostic, recommandation thérapeutique, planification, \dots Les méthodes existantes reposent soit sur les données, soit sur les connaissances expertes. Les approches statistiques fondées sur les données sont souvent critiquées pour leur manque d’interprétabilité, tandis que les méthodes heuristiques basées sur les connaissances, issues de la littérature et de la pratique clinique, restent limitées dans leur évolutivité. À la frontière entre ces deux approches, le Raisonnement à partir de Cas repose sur l’hypothèse que « des problèmes similaires ont des solutions similaires ».

Appliquée au domaine clinique, cette hypothèse se traduit par : « des symptômes similaires, traités par des thérapies similaires, ont des résultats similaires ». Un cas est principalement défini par un ensemble d’attributs décrivant le problème et un second décrivant la solution appliquée. Cette méthode se décompose en quatre étapes : la remémoration de cas similaires, la réutilisation et l’adaptation de la solution, puis l’enrichissement de la base avec le nouveau cas.

Nos travaux se sont concentrés sur l’étape de remémoration afin d’anticiper le succès ou l’échec d’une stratégie de revascularisation et de suggérer la procédure la plus adaptée pour un nouveau patient, en se basant sur les résultats de cas antérieurs. Les cas ont été formalisés à partir des recommandations cliniques vasculaires internationales et décrits par plusieurs attributs : estimation du risque patient, stade de la pathologie, localisation des lésions, antécédents vasculaires, type de revascularisation. Pour définir une mesure de similarité pertinente, nous avons comparé différentes approches en termes de distance, pondération et de sélection d’attributs. En parallèle, nous avons proposé une structure de données pour représenter les patients atteints d’AOMI et développé un outil de collecte informatique assurant qualité et intégration des données cliniques.

Les résultats montrent que le Raisonnement à partir de Cas constitue une approche pertinente d'aide à la décision pour le traitement des maladies artérielles des membres inférieurs. Ils soulignent en particulier l'importance de la definition d'une mesure de similarité adaptée dans ce contexte.

Enfin, les approches d’apprentissage automatique non supervisées apparaissent prometteuses pour déterminer la similarité entre deux cas.

 Résumé en anglais :

Peripheral Arterial Disease (PAD) is an arterial disease of the lower limbs whose main symptoms are pain and ischemic wounds. In order to avoid serious complications such as amputations and death, revascularization is a surgical procedure aimed at restoring blood flow. Vascular surgeons are faced with complex decisions, as the probability of success or failure of a surgical technique remains difficult to predict.

To date, no decision support solution fully addresses this issue. The objective of this thesis is to study the relevance of Case-Based Reasoning (CBR) to meet this need in the context of vascular surgery. Clinical decision support has been of interest to researchers and physicians for several decades.

Clinical Decision Support Systems (CDSS) aim to facilitate decision-making and perform various functions: alerts, diagnostic assistance, treatment recommendations, planning, etc. Existing methods are based either on data or on expert knowledge. Data-driven statistical approaches are often criticized for their lack of interpretability, while knowledge-based heuristic methods, derived from literature and clinical practice, remain limited in their scalability. At the intersection of these two approaches, case-based reasoning is based on the assumption that “similar problems have similar solutions.”

Applied to the clinical field, this assumption translates into: “similar symptoms, treated with similar therapies, have similar outcomes.” A case is mainly defined by a set of attributes describing the problem and a second set describing the solution applied. This method can be broken down into four steps: recalling similar cases, reusing and adapting the solution, then enriching the database with the new case.

Our work focused on the recall stage in order to anticipate the success or failure of a revascularization strategy and suggest the most appropriate procedure for a new patient, based on the results of previous cases. The cases were formalized based on international vascular clinical recommendations and described by several attributes: patient risk assessment, stage of the disease, location of lesions, vascular history, and type of revascularization. To define a relevant similarity measure, we compared different approaches in terms of distance, weighting, and attribute selection. At the same time, we proposed a data structure to represent patients with AOMI and developed a computerized data collection tool to ensure the quality and integration of clinical data.

The results show that Case-Based Reasoning is a relevant decision support approach for the treatment of arterial diseases of the lower limbs. In particular, they highlight the importance of defining an appropriate similarity measure in this context.

Finally, unsupervised machine learning approaches appear promising for determining the similarity between two cases.