Les algorithmes d’aide à la décision médicale et les données en grand nombre : approche pluridisciplinaire
-
Le 06 novembre 2015Campus Centre LoireMSH Ange-Guépin
5 allée Jacques Berque - 44000 Nantesfalse false -
9h30-17h30
- Plan d'accès
Cette journée est organisée dans le cadre du Programme DataSanté
Problématique
Ces algorithmes doivent avoir une valeur de la contextualisation et de prédiction pour prédire le devenir du patient et aider à la décision du meilleur traitement (Gourraud PA et al, 2014). Ils sont difficiles à élaborer, car les données sont non seulement massives, mais très hétérogènes et de sources différentes (Green ED et al, 2011). Ils comportent plusieurs aspects complexes, dont la sélection au préalable des informations utiles pour l’analyse, la définition des questions auxquelles les chercheurs souhaitent répondre, la hiérarchisation des informations et la définition de poids respectifs des données environnementales par rapport aux données génétiques et/ou sociologiques, etc.
Des réflexions ont déjà débuté sur la conception de ces algorithmes, notamment dans la modélisation de maladies, mettant en lumière la nécessité d’associer des spécialistes d’horizons différents pour élaborer ces modèles (Tegner JN et al, 2009, Green ED et al, 2011). Des projets européens sont centrés sur la mise à disposition d’outils informatiques de partage et d’analyse de données (projet eTRIKS). Cependant ces réflexions associent essentiellement des spécialistes ayant un background informatique et/ou mathématique (Gomez-Cabrero D et al, 2014).
Questionnements :
Peut-on trouver des méthodes automatiques pour passer d’une modélisation biologique de la maladie à un modèle mathématique/informatique? Quel poids donner aux informations sociologiques, environnementales, économiques, par rapport aux données biologiques ou cliniques dans la modélisation ? Comment développer des algorithmes efficaces de traitement de ces grandes masses de données et de plus en plus associées à des modèles de description de la cellule entière ? Quelle est la place de chaque discipline et à quel moment chaque spécialiste intervient-il ? Quel regard critique porte-t-on sur la valeur prédictive de ces « big data » ? Quelles sont les conséquences éthiques quant aux choix réalisés dans l’élaboration des algorithmes, des modèles et dans l’exploitation des résultats obtenus par ces algorithmes ? Quelles peuvent en être les conséquences juridiques et sociétales, en particulier concernant leurs différents usages ?
Programme
- 9h30 – Introduction
- 9h45 – Thomas Amossé (Centre d’Etudes de l’Emploi (CEE), Paris) : Du recensement aux big data, intention et connaissance statistique
- 10h45 – Maël Lemoine (Université de Tours) : De l’étude pangénomique à l’étude pan-phénomique : Réflexions sur l’émergence de nouvelles pratiques de stratification des maladies
- 12h – Michel Morange (Centre Cavaillès – ENS Paris) : La nature hétérogène des big data
- 14 h – Franck Le Ouay (Honestica) : Les données en santé à la lueur du « big data » dans le ciblage publicitaire : réalités et enjeux
- 15h – Chantal Cases (INED) : Les grandes bases de données médico-administratives, outils d’avenir pour la recherche en sciences sociales et en économie de la santé
- 16h15 – Pierre-Antoine Gourraud (Université de Nantes) : Emergence d’outils de Médecine de Personnalisée: Le (big) data face aux traits complexes : le cas de la Sclérose En Plaques