À propos
Responsable de la plateforme Data Science de l'Institut Imagine depuis 2012, j'accompagne les chercheurs et cliniciens dans l'exploitation de leurs données au service de la recherche sur les maladies génétiques rares de l'enfant. Mon quotidien mêle conception d'outils, structuration et analyse de données, développement d'applications et appui méthodologique aux équipes et laboratoires de l'Institut.
La plateforme met à disposition l'infrastructure et les expertises nécessaires pour transformer les données de santé (cliniques, biologiques) en connaissances utiles à la recherche et au diagnostic. Nous concevons notamment des solutions d'entrepôt de données et d'intelligence artificielle qui aident à mieux comprendre ces maladies et à accélérer la prise en charge des patients.
Notre rôle est aussi de faire le lien entre les besoins des équipes et les possibilités qu'offrent la donnée et le numérique : identifier une cohorte, exploiter un jeu de données, imaginer un nouvel outil ou fiabiliser une analyse. Ces expertises sont pensées comme un service partagé, au bénéfice de l'ensemble de la communauté de l'Institut.
C'est pourquoi vos sollicitations sont les bienvenues : un projet à structurer, une donnée à valoriser, une question méthodologique ou une idée d'application… n'hésitez pas à venir en discuter avec nous. La plateforme est à votre service, et c'est ensemble que nous en tirerons le meilleur.
Projet scientifique
Mes travaux s'articulent autour de quatre axes complémentaires, qui vont de la structuration des données hospitalières jusqu'à l'aide au diagnostic et à la génération d'hypothèses de recherche.
Axe 1. Intégration multimodale et recherche d'information. Ce premier axe vise à rassembler et rendre interrogeables des données de natures très différentes : comptes rendus cliniques, données biologiques et génomiques, littérature biomédicale. Le projet Dr. Warehouse, entrepôt de données de santé centré sur le texte clinique, en constitue le socle. Il permet de rechercher et de croiser l'information contenue dans les dossiers patients à l'échelle de l'Institut. L'enjeu est de faire dialoguer données hospitalières et connaissances issues de la littérature au sein d'un même espace de recherche.
Axe 2. Extraction d'information à partir des données hospitalières. Le deuxième axe développe les méthodes permettant de transformer le texte libre des dossiers en données exploitables : reconnaissance d'entités (symptômes, diagnostics, traitements), normalisation vers des terminologies médicales et détection de phénotypes. Ces méthodes de traitement automatique du langage alimentent l'ensemble de mes autres travaux en fiabilisant et en structurant la matière première clinique.
Axe 3. Réduction de l'errance diagnostique par la représentation computationnelle du patient. Ce troisième axe s'attaque directement à l'un des grands défis des maladies rares : le délai avant diagnostic. En construisant une représentation computationnelle du patient, un profil synthétique fondé sur l'ensemble de ses données, je cherche à mesurer la similarité entre patients et à rapprocher des cas cliniquement proches. Le projet AIDY s'inscrit dans cette logique d'aide au diagnostic, en aidant à identifier plus tôt les patients susceptibles de partager une même maladie génétique encore non caractérisée.
Axe 4. Exploration et génération d'hypothèses. Le dernier axe explore les outils qui permettent aux chercheurs et cliniciens de naviguer dans les données et d'en faire émerger de nouvelles pistes de recherche. Le projet Dr Cloud ouvre ces capacités d'analyse à une plus large communauté en offrant un environnement d'exploration accessible. L'objectif est de passer d'une consultation passive des données à une véritable démarche exploratoire, génératrice d'hypothèses cliniques et scientifiques.
Ensemble, ces quatre axes dessinent une continuité : structurer la donnée, en extraire du sens, rapprocher les patients pour mieux diagnostiquer, et outiller la recherche pour découvrir.
2024Journal (source)Clin Genet