3 avril, 13h-14h, salle Cafétéria Extension, présenté par Marco Lorenzi
L’application des méthodes d’apprentissage automatique aux grandes bases de données biomédicales disponibles aujourd’hui offre une formidable opportunité pour nous aider à améliorer la compréhension des pathologies comme la maladie d’Alzheimer, ainsi que pour une meilleure identification et quantification des pathologies chez les individus. Cependant un effort important est nécessaire en modélisation et en développement d’approches statistiques pour analyser conjointement des données très hétérogènes, complexes, et en très haute dimension (de milliers à millions d’attributs). De plus, l’accès aux bases de données cliniques pose souvent aux chercheurs des contraintes importantes, à cause des restrictions d’accès et de la confidentialité des données qui ne peuvent être déplacées ni partagées hors des centres cliniques.
Ces défis demandent le développement de techniques astucieuses pour l’exploitation maximale des données, inspiré par les avancements les plus récents en science de données et en biostatistique .
Dans cet exposé j’illustrerai comment développer des stratégies combinant l’apprentissage statistique aux connaissances biologiques, pour identifier des sites génétiques associés à l’atrophie du cerveau dans la maladie d’Alzheimer, et pour développer nouvelles hypothèses sur les mécanismes biologiques de la pathologie.
13h : accueil avec café, thé
13h05-13h55 : présentation et discussion.
Pour continuer le Café In :
- Les slides de Marco Lorenzi
