MESP | TIMC

Thématiques

En santé publique, comme dans bien d’autres domaines, les progrès technologiques ont conduit à l’augmentation mais aussi à la complexité de l’information que l’on peut recueillir. Que cela soit par la multiplicité des sources de recueil ou la forme de l’information, l’ajout de données issues d’objets connectés la rend également évolutive soulignant encore une fois la complexité des données générées. L’exploitation de ces dernières continue néanmoins de présenter de nombreux intérêts en médecine : identification de facteurs de risque de maladie, aide au diagnostic, épidémiologie… mais va aussi faire naître de nouveaux challenges dans leur traitement. L’équipe MESP qui s’organise autour d’un pôle compétent à la fois en santé publique et en statistique, va permettre :

De poser les « bonnes » questions du fait de la présence de professionnels de santé ;
De connaître les processus d’acquisitions des données et sa complexité ;
De gérer les aspects éthiques, réglementaires et méthodologiques à mettre en œuvre pour la valorisation de ce type de données ;
De développer de nouvelles approches statistiques pour les analyser en fonction des problématiques qu’elles pourront engendrer.

Axes de recherche

Développements statistiques pour des données médicales complexes

Méthodes de fouille de données (machine learning, exploration interactive, analyse de graphe, … ) dans un but de partitionnement, classification ou prédiction ;
Méthodes de réduction de dimension ;
Modélisations types données fonctionnelles ou séries chronologiques adaptées aux nouveaux moyens d’acquisitions de données comme les objets connectés ;
Modélisations types modèles mixtes ;
Modélisations combinant des données de natures différentes : variables à compresser (images, radio, ...) et données cliniques « classiques ».

Développement de méthodologie pour adapter les données complexes aux exigences qualités de la recherche clinique

Intégration des données complexes dans le processus de recherche clinique ;
Maîtrise de la qualité des données en amont ;
Outils de planifications d’un projet type argumentaire pour établir rationnellement un nombre de sujets raisonnable ;
Stratégie d’analyse pour optimiser la reproductibilité et la lisibilité des résultats ;
Enjeux éthiques de l’intelligence artificielle.

Mots clés

Données complexes et traitement statistique Bases de données en santé publique, Recherche clinique Pharmaco-épidémiologie Périnatalité et handicap Prévention des risques