Soutenance de thèse de Sirine SAYADI

Sirine SAYADI, doctorante au sein de l’équipe STACK, soutiendra sa thèse intitulée « Architectures réparties et conteneurs logiciels sécurisés pour coopérations médicales multi-sites »

Le 05/12/2022 à 15h00 à l’IMT-Atlantique, Campus de Nantes – Amphi Blaise Pascal

Et en visio :

Lien : https://imt-atlantique.webex.com/imt-atlantique/j.php?MTID=m00d483d5b831e673e08e292e1f0b5b52

Jury :

• Mme Anne-Sophie JANNOT – MCU PH (HDR) – Hôpital Européen Georges Pompidou AP-HP
• Mario SUDHOLT – Professeur – IMT ATLANTIQUE
• Pierre-Antoine GOURRAUD – Professeur – Université de Nantes – CHU Nantes
• Nicolas VINCE – Chargé de recherche – Université de Nantes – INSERM
• Marc CUGGIA – Professeur – Université de Rennes 1 – CHU Rennes
• Walid GAALOUL – Professeur – Telecom SudParis

Résumé : 

L’augmentation massive des données produits ces dernières années dans tous les domaines de l’activité humaine a fait émerger des évolutions importantes dans les domaines de l’analyse, la protection et la sécurisation des données. La médecine est parmi les secteurs les plus touchés par cette évolution. L’analyse de larges quantités de données biomédicales permet d’obtenir une meilleure précision des résultats et aide les chercheurs et, in fine, les cliniciens à établir de bonnes diagnostiques et prendre les bonnes décisions. Les collaborations nationales et internationales qui explorent la médecine de précision se fondent sur des analyses sur des données provenant de populations variées et nombreuses. Les analyses biomédicales actuelles qui utilisent très majoritairement des algorithmes centralisés sont sujets à des problèmes majeurs, notamment en terme de protection de données et de performances.

Dans cette thèse multidisciplinaire, nous contribuons à la résolution de ces problèmes par le développement d’analyses de données biomédicales distribuées ainsi que par leur déploiement dans des infrastructures informatiques et leur intégration dans des outils médicaux réels. Dans le cadre d’une application de transplantation rénale, nous proposons une nouvelle solution de contextualisation distribuée qui aide les cliniciens à évaluer les problèmes rénaux de patients. Pour la même application nous proposons également une nouvelle version distribuée de l’analyse factorielle des données mixtes (FAMD) pour la réduction des dimensions. Dans le cadre des analyses basées sur des données génétiques \HLA, nous proposons un nouveau modèle distribué et sécurisé pour l’estimation de fréquences alléliques, de fréquences d’haplotypes et de fréquences des génotypes individuelles. Nous proposons également un nouveau algorithme pour l’estimation distribuée de la fréquence d’haplotypes \HLA en utilisant l’algorithme de l’expectation-maximisation EM.
Toutes nos contributions ont été déployées sur une infrastructure réelle de nuage géo-distribués et évaluées sur des données réelles ou réalistes. Les expérimentations ont montré de (très) bons résultats en terme de performances comparés aux solutions centralisées.                                                                                                                                                                                              

Mots-clés:  analyse de données biomédicales, analyses distribuées multi-site et multi-partenaires, protection et sécurisation des données, médecine de précision, contextualisation distribuée