WP4 Projets de démonstration

Pour améliorer la caractérisation des trajectoires de santé avec les stratifications de risque des patients et la prédiction des réponses aux interventions, nous inclurons les connaissances scientifiques acquises dans le WP2 et utiliserons la plateforme de données sécurisée établie dans le WP3 pour : 1) identifier des profils de patients spécifiques ou des modèles longitudinaux typiques d'évolution dans le temps (trajectoires), et 2) construire de nouveaux modèles prédictifs et des outils utiles pour la gestion clinique qui prennent en compte l'hétérogénéité des trajectoires des patients.

La construction de trajectoires de patients à partir d'un large ensemble de covariables multidimensionnelles provenant de différentes sources et mesurées de manière répétée dans le temps soulève des défis méthodologiques qui seront relevés par une équipe biostatistique dédiée, combinant les forces de plusieurs biostatisticiens (HP2, LIG, UGA data institute) en partenariat avec des experts nationaux et internationaux.

Nous développerons des stratégies basées sur l'analyse exploratoire des données (AED) qui permet aux professionnels de la santé de tester de multiples hypothèses sur des cohortes de patients de manière itérative et exploratoire. Nous fournirons et évaluerons trois approches EDA : manuelle, où les experts médicaux choisissent la prochaine étape d'exploration ; partiellement guidée, où le système suggère la prochaine hypothèse à tester, mais l'expert médical est autorisé à passer outre la suggestion ; et entièrement guidée, où l'expert médical agit en tant qu'observateur et le système exécute une série d'hypothèses sur une cohorte d'entrée. Ces modes d'exploration seront rendus possibles par l'apprentissage de politiques d'exploration à l'aide de l'apprentissage par renforcement profond, une méthode d'apprentissage automatique qui simule un agent pour recommander la meilleure séquence d'hypothèses à tester sur une cohorte. Cela nécessitera la conception de mécanismes de récompense en concertation entre les scientifiques des données et les experts médicaux.