PreMedIT

Le but de la médecine de précision est d'adapter les traitements aux caractéristiques de chaque patient, en déterminant à quels patients bénéficiera un traitement donné et quand ce traitement devra être administré pour chacun. Pour cela, il faut identifier des marqueurs permettant de prédire de manière dynamique la réponse d'un patient à un traitement donné. Il s’agit d’une tâche délicate car de tels marqueurs peuvent être nombreux, de natures diverses, et interagir de façon complexe. Les récentes avancées en apprentissage automatique ouvrent des perspectives prometteuses pour améliorer la personnalisation des traitements. Toutefois, les données rencontrées dans le domaine médical posent plusieurs défis majeurs, en particulier : les jeux de données peuvent être petits du fait des critères d'inclusion, parcimonieux, et peuvent contenir de nombreuses variables catégorielles. Notre hypothèse est que l'intégration d'outils de nature géométrique ou topologique dans les méthodes d'apprentissage devrait aider à relever ces défis.