La « révolution des données » impacte tous les domaines du vivant et offre un terrain d’application où la statistique, le traitement d’image, l’automatique et la protection des données trouvent tout leur sens. L’axe transverse Santé et Vivant vise à ainsi promouvoir les actions existantes et à encourager les nouvelles collaborations interdisciplinaires dans le domaine de la biologie et de la médecine. Des exemples de recherche sur ces thématiques sont présentés ci-dessous.
Au-delà de leurs activités de recherche, les enseignants-chercheurs du L2S sont également très impliqués dans des actions de formation par la recherche en santé et biomédical, que ce soit pour l’accueil de stagiaires, de doctorants ou de post-doctorants que pour l’animation de formations telles que la mention santé de CentraleSupélec ou le master Computational Neuroscience and Neuro-engineering porté par l’Université Paris Saclay. Le L2S s’appuie pour cela sur ses collaborations avec différents partenaires comme Gustave Roussy, l’Institut du Cerveau (ICM), General Electric Healthcare, le CEA Neurospin, l’Institut Pasteur, l’Assistance Publique Hôpitaux de Paris (APHP) ou le laboratoire NeuroPSI.
RHU REVEAL : l’intérêt de la biopsie liquide dans le cancer du poumon
Le cancer du poumon est la principale cause de mortalité par cancer dans le monde. La prise en charge du cancer du poumon non à petites cellules, le sous-type le plus répandu, a été révolutionnée par la thérapie ciblée et l’immunothérapie. Pour ces deux classes de traitements, le développement d’analyses basées sur l’ADN circulant est une approche alternative à la biopsie pour le suivi du patient et pour éviter des biopsies tissulaires répétées. L’ambition du L2S dans le cadre du projet REVEAL est de développer des méthodes statistiques adaptées au suivi longitudinal de la maladie par ADN circulant pour passer de la sélection du traitement à des décisions stratégiques.
Collaboration : L2S – MICS – Gustave Roussy
Contact : Laurent Le Brusquet & Arthur Tenenhaus
Stimulation cérébrale en boucle fermée
La stimulation cérébrale profonde est un traitement symptomatique efficace de la maladie de Parkinson. Les outils de l’Automatique permettent d’adapter en temps réel le signal de stimulation en fonction de mesures de l’activité cérébrale du patient.
Collaboration : L2S – APHP – NeuroPSI
Contact : Antoine Chaillet.
Reconstruction d’image neuro-inspirée
La connaissance du fonctionnement de la rétine permet le développement d’algorithmes innovants pour reconstruire des images détériorées.
Collaboration : Laboratoire Jacques-Louis Lions – Sorbonne Université
Contact : Dario Prandi.
l’EEG pour l’Apprentissage du Langage
La compréhension des mécanismes cérébraux qui sous-tendent l’apprentissage du langage par les nourrissons est un enjeu majeur. L’analyse avancée de données EEG est au cœur de ce domaine et requiert le développement de méthodes statistiques avancées.
Collaboration : L2S – Neurospin (Ghislaine Dehaene)
Contacts : Arthur Tenenhaus & Laurent Le Brusquet
Etude des liens entre exposome et santé
L’exposome se définit comme l’ensemble des expositions environnementales reçues au cours de la vie. L’étude des effets de l’exposome sur la santé est un enjeu de santé publique majeur. Il s’avère que ce domaine vit de plein fouet la révolution des données rendant délicate toute analyse statistique et le L2S propose des outils statistiques avancées pour l’analyse des données d’exposome.
Collaboration : L2S – Athlete European project.
Contacts : Arthur Tenenhaus & Laurent Le Brusquet
IA pour l’anonymisation de données
L’anonymisation des données est le prérequis par excellence pour le partage et l’analyse des données de santé. Des techniques avancées d’intelligence artificielle offrent des solutions efficaces et innovantes pour garantir cet anonymat.
Contact : Pablo Piantadina
From Deep learning to clinical tissue anisotropy
L’imagerie ultrasonore tridimensionnelle ultrarapide est actuellement développée dans les laboratoires de recherche. Toutefois, son application clinique est freinée par une qualité d’image insuffisante. Ce projet vise à lever cette limitation en proposant des méthodes avancées de Deep Learning et de traitement du signal pour l’imagerie ultrasonore fonctionnelle 3D du muscle cardiaque.
Collaboration : L2S – CREATIS
Contacts : Florent Bouchard & Frédéric Pascal
Modélisation de l’activité cérébrale en méditation
Les mécanismes cérébraux impliqués dans la méditation contemplative sont encore méconnus. L’utilisation d’outils de l’Automatique et des systèmes dynamiques constitue une approche originale et innovante pour tenter de les déchiffrer.
Collaboration : L2S-CRNL-CRAN
Contact : Hugues Mounier.
Optimisation de respirateur artificiel
Plusieurs chercheurs du L2S s’intéressent à des questions en lien avec la ventilation mécanique: estimation de la pression musculaire, étude de la synchronisation patient/ventilateur et commande en boucle fermée de l’aide inspiratoire.
Collaboration : L2S – APHP
Contact : William Pasillas-Lépine
Contrôle de populations de bactéries
Le contrôle de populations de bactéries a des applications diverses. Elles peuvent être utilisées pour délivrer des charges cytotoxiques in situ notamment dans la lutte contre le cancer. Elles peuvent également être employées pour la génération d’énergies renouvelables. Dans les deux cas, ce contrôle nécessite le développement d’outils d’automatique dédiés.
Contacts : Catherine Bonnet & Islam Boussaada.
Intégration de données hétérogènes et Maladies Neurodégénératives
Les maladies neurodégénératives (e.g. Alzheimer, Parkinson, Sclérose en plaques, etc) sont d’origine multifactorielle et requièrent d’observer le patient sous toutes ses facettes (par exemple : Imagerie multimodale, données omics, données cliniques). Il s’avère crucial de développer des méthodes statistiques avancées pour l’analyse conjointe de ces sources de données hétérogènes et de grande dimension.
Collaboration : L2S – Institut du Cerveau
Contacts : Arthur Tenenhaus & Laurent Le Brusquet
Chaire Intelligence Artificielle & Santé
Le projet d’Entrepôt de Données de Santé (EDS) de l’AP-HP a pour but d’intégrer les données médicales des patients hospitalisés ou venus en consultation dans l’un des 39 établissements de l’AP-HP. Le challenge lié à l’exploitation de ces données massives longitudinales, hétérogènes est de faire avancer la recherche scientifique dans le domaine de la santé vers une médecine plus personnalisée. Dans ce contexte, le développement de méthodes statistiques/machine learning avancées s’avère crucial pour l’analyse efficace des données de l’EDS.
Collaboration : L2S – APHP – INRIA
Contacts : Arthur Tenenhaus & Laurent Le Brusquet
Pre-trained Models for Data Frugality in Health
Cette chaire intitulée « Pre-Trained Models for Data Frugality in Health« , financée par dataIA , s’interroge sur l’usage de modèles pré-entraînés pour rendre l’IA plus économe en données dans les applications médicales.
Collaboration : L2S – CVN – NeuroSpin
Contacts : Florent Bouchard
Professeur – CentraleSupélec
Automatique et systèmes – COMEDY
antoine.chaillet@l2s.centralesupelec.fr
Bât. Breguet .
Professeur – CentraleSupélec
Signaux et statistiques – GME
arthur.tenenhaus@l2s.centralesupelec.fr
Bât. Breguet .
