Avis de soutenance
Monsieur Subhasish BASAK
Soutiendra publiquement ses travaux de thèse intitulés
« Multipathogen quantitative risk assessment in raw milk soft cheese, monotone integration and Bayesian optimization »
encadrés par
Julien Bect (L2S),
Laurent Guillier (ANSES),
Fanny Tenenhaus (CNIEL),
Emmanuel Vazquez (L2S, directeur de thèse)
Soutenance en anglais prévue le mercredi 20 mars 2024 à 14h00
Lieu : Amphi IV, Bâtiment Eiffel
Membres du jury :
Titre : Appréciation quantitative des risques multipathogènes dans le fromage à pâte molle au lait cru, intégration monotone et optimisation Bayésienne.
Mots clés: Appréciation quantitative des risques, stochastique simulateur, intégration bornée monotone, optimisation Bayésienne.
Résumé:
La thèse se concentre sur l’optimisation bayésienne d’un modèle d’appréciation quantitative des risques microbiologiques (AQRM) dans le cadre du projet européen ArtiSaneFood, soutenu par le programme PRIMA. L’objectif principal est d’établir des stratégies efficaces de bio-intervention pour les producteurs de fromage en France. Plus précisément, l’objectif est de réduire simultanément deux quantités d’intérêt : 1) le fardeau pour la santé publique dû aux maladies causées par la consommation de fromage au lait cru contaminé par des agents pathogènes, et 2) le coût engendré par les étapes d’intervention (analyse du lait de ferme avant la production et des lots de fromage après la production) associées au processus de production de fromage. Ce travail est divisé en trois directions principales, chacune présentant plusieurs contributions. La première direction implique le développement et la mise en œuvre du premier modèle AQRM multipathogène pour les STEC hautement pathogène, Salmonella et Listeria monocytogenes dans le fromage au lait cru. Le modèle, basé sur des études de littérature antérieures et des données du projet ArtiSaneFood, met en œuvre les étapes d’intervention et permet d’évaluer le risque en termes d’Espérance de vie corrigée de l’incapacité (EVCI). La deuxième direction consiste en une étude sur les méthodes d’intégration numérique exploitant les propriétés de monotonie et de bornitude des sorties du simulateur AQRM. Enfin, la troisième direction propose des algorithmes d’optimisation bayésienne dans le cadre de l’optimisation de simulation multiobjectif (MOSO), basés sur les principes de Maximal Uncertainty Sampling (MUS) et Stepwise Uncertainty Reduction (SUR). Ces algorithmes, dédiés à l’optimisation des simulateurs stochastiques et coûteux en termes de calcul, sont appliqués au problème de l’optimisation des quantités d’intérêt dans le cadre de l’AQRM.
English version:
Title: Multipathogen quantitative risk assessment in raw milk soft cheese, monotone integration and Bayesian optimization.
Keywords: Quantitative risk assessment, stochastic simulator, Monotone bounded integration, Bayesian optimization.
Abstract:
The thesis focuses on Bayesian optimization of a quantitative microbiological risk assessment (QMRA) model within the framework of the European ArtiSaneFood project, supported by the PRIMA program. The main aim is to establish efficient bio-intervention strategies for cheese producers in France. More precisely, the goal is to simultaneously reduce two quantities of interest: 1) the burden on public health due to illnesses caused by consumption of pathogen-contaminated raw milk cheese, and 2) the cost incurred from the intervention steps (testing of farm milk before production and cheese batches after production) associated with the cheese production process. This work is divided into three main directions, each presenting several contributions. The first direction involves the development and implementation of the first multipathogen QMRA model for pathogenic STEC, Salmonella, and Listeria monocytogenes in raw milk soft cheese. The model, based on previous literature studies and ArtiSaneFood project data, implements the intervention steps and allows assessment of risk in terms of DALYs (Disability Adjusted Life Years). The second direction entails a study on numerical integration methods leveraging the monotonicity and boundedness properties of QMRA simulator outputs. Finally, the third direction involves proposing Bayesian optimization algorithms in the framework of Multiobjective Simulation Optimization (MOSO), based on the principles of Maximal Uncertainty Sampling (MUS) and Stepwise Uncertainty Reduction (SUR). These algorithms, dedicated to optimizing stochastic and computationally expensive simulators, are applied to the problem of optimizing the quantities of interest in the QMRA problem.
