Note ABES Computational approach for precision medicine in multiple sclerosis Approche computationnelle pour une médecine de précision dans la sclérose en plaques Sclérose en plaques Big Data et algorithmes Médecine de précision Intégration de données Données synthétiques Confidentialité Anonymisation Intelligence artificielle Réponse thérapeutique Multiple Sclerosis Big Data & Analytics Precision Medicine Data integration Synthetic data Privacy Anonymization Artificial intelligence Therapeutic response 610.28 616.834 004 Sclérose en plaques Thérapeutique Intelligence artificielle en médecine Médecine personnalisée Cette thèse a exploré l'utilisation secondaire des données de recherche clinique en sclérose en plaques (SEP) et leur intégration avec les technologies modernes de l'information pour assister les décisions thérapeutiques des neurologues. Les données tabulaires de 31,786 patients atteints de SEP ont été intégrées dans une plateforme de médecine de précision développée par le laboratoire. Le logiciel d'aide à la décision clinique en résultant reposait sur la visualisation de données interactive. Sa capacité discriminante fut similaire à l’apprentissage automatique mais eu une meilleure explicabilité et calibration dans une population externe suivie en vie réelle. Une formation dédiée des neurologues apparu nécessaire. Les obstacles réglementaires furent adressés en générant des patients virtuels par une méthode de confidentialité par conception. Leur confidentialité et leur utilité clinique furent suffisantes pour remplacer les données de référence. Ces travaux translationnels ont démontré l’utilité clinique de plusieurs processus d'ingénierie des données, permettant de développer un nouveau paradigme de médecine de précision dans la SEP. This PhD work explored the secondary use of clinical research data in multiple sclerosis (MS) and their integration with modern information technology to support neurologists’ therapeutic decisions. Tabular data of 31,786 patients with MS were integrated into a homemade cloud-based precision medicine platform from 11 industrial RCTs and two cohorts of the French MS registry. The resulting clinical decision support system relied on interactive data visualization. It showed a similar discriminatory capacity to machine learning but better explainability and calibration in a held-out real-world population. Dedicated training of neurologists appeared required. Regulatory barriers were addressed by generating virtual patients using a privacy-by-design method. They achieved sufficient privacy and clinical utility to proxy the reference data. These translational efforts demonstrated the clinical utility of several data engineering processes to develop a new paradigm of precision medicine in MS. Electronic Thesis or Dissertation Text en PDF 101933448 http://www.theses.fr/2024STRAJ062/document http://www.theses.fr/2024STRAJ062/abes Demuth Stanislas 1993-05-25 FR 258082992 1504004283P 21102282 4200047 https://theses.fr/2024STRAJ062 2024STRAJ062 https://doi.org/10.70675/0eb686a8z52e3z481fz9f59zd222b723ffe4 2024-12-18 Bioinformatique et biologie des systèmes Strasbourg 131056549 Doctorat Docteur es non oui Sèze Jérôme de MADS_DIRECTEUR_DE_THESE_1 060706767 Gourraud Pierre-Antoine MADS_DIRECTEUR_DE_THESE_2 195137280 Jeannin Anne MADS_MEMBRE_DU_JURY_1 258075988 Thouvenot Éric MADS_RAPPORTEUR_1 094970920 Vuiblet Vincent MADS_RAPPORTEUR_2 137565879 École doctorale des Sciences de la vie et de la santé (Strasbourg ; 2000-....) MADS_ECOLE_DOCTORALE_1 414 156502844 CIC Strasbourg (2001-....) MADS_PARTENAIRE_DE_RECHERCHE_1 282956697 494847 ddc:610 ddc:004 Sèze Jérôme de Gourraud Pierre-Antoine Jeannin Anne Thouvenot Éric Vuiblet Vincent École doctorale des Sciences de la vie et de la santé (Strasbourg ; 2000-....) CIC Strasbourg PDF 101933448 confidentialité 2024-12-18 2027-01-01 confidentialité 2024-12-18 2027-01-01 confidentialité 2024-12-18 2027-01-01 confidentialité 2024-12-18 2027-01-01