Nicolas Duchateau : un enseignant-chercheur au chevet des maladies cardiaques

Axés sur l’interdisciplinarité, ses travaux les plus récents combinent désormais les connaissances médicales en cardiologie et en biophysique, avec des approches mathématiques et statistiques. L’apprentissage non-supervisé est plus particulièrement au centre des travaux qu’il mène depuis 2016 au laboratoire CREATIS de Lyon. Contrastant avec la logique du Big Data qui vise à analyser un très grand nombre de données, cette approche s’appuie sur les informations médicales d‘études cliniques réunissant entre une centaine et un millier de patients, parmi lesquelles figurent des données issues de techniques d’imagerie médicale d’avant-garde comme l’échocardiographie 3D ou l’IRM multiparamétrique. « Un fort enjeu de ma recherche est de savoir s’il est possible d’être plus performant en matière d’analyse des images médicales avec moins de données, ou du moins en exploitant de façon plus poussée les données existantes », explique le scientifique. 

En tant que membre junior de l’Institut universitaire de France (IUF), Nicolas Duchateau va avoir l’opportunité d’apporter des réponses concrètes à cet ambitieux sujet d’étude. Son premier objectif : parvenir à une meilleure représentation du continuum des pathologies cardiaques – en particulier l’insuffisance cardiaque et l’infarctus du myocarde -, d’un état normal aux situations les plus graves, en passant par divers stades intermédiaires. « Il s’agit d’établir une stratification des risques associés à une maladie cardiaque à partir d’un corpus d’images médicales préalablement standardisées pour faciliter leur exploitation par des techniques d’intelligence artificielle (I.A.) », souligne-t-il. Une fois croisées avec d’autres traits pathologiques, ces données standardisées devraient permettre au cardiologue ou au radiologue qui les reçoit d’établir un diagnostic suffisamment fiable de la maladie et de mieux suivre son évolution. Le projet développé par Nicolas Duchateau via l’IUF vise également à générer des prédictions transposables à la pratique clinique. Pour relever ce défi qui consiste à enrichir un savoir médical à partir de techniques d’apprentissage issues de l’I.A., l’enseignant-chercheur pourra compter sur son expertise unique en imagerie cardiaque acquise au fil de son riche parcours scientifique.

Get in Touch

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Articles Connexes

Derniers Messages