Projets en cours

Étudiant.e
Directeur.e(s) de recherche
Philippe Després
Anne-Sophie Charest
Début du projet
Titre du projet de recherche
Possibilités et limites de DataSHIELD pour la protection de données de santé
Description
Description

Il est souvent difficile de partager des données dénominalisées entre différentes organisations et chercheurs en raison de contraintes éthiques liées à la confidentialité des répondants. C'est une réalité fréquente dans le domaine de la santé, étant donné la sensibilité inhérente de ce type de données. Une option dans ce cas est de ne pas partager directement les données, mais plutôt de donner accès à celles-ci via un outil qui contrôle le risque de divulgation des requêtes effectuées et permet seulement celles qu'il considère sécuritaires. DataSHIELD est un tel outil qui a été proposé pour protéger la confidentialité d'un jeu de données, et qui s'utilise via le logiciel statistique R. Il permet en outre de faire des analyses statistiques sur plusieurs jeux de données hébergés à des endroits différents, toujours en assurant la confidentialité des répondants.

Dans ce projet, on s'intéresse aux garanties de confidentialité fournies par le logiciel, et aux limites de celui-ci.

On souhaite notamment établir des principes pour guider le choix des paramètres de contrôle de la divulgation offerts avec l'outil, et comprendre plus précisément l'impact de ces contrôles sur la qualité des statistiques descriptives, modèles linéaires et graphiques produits.

Étudiant.e
Directeur.e(s) de recherche
Anne-Sophie Charest
François Laviolette
Début du projet
Titre du projet de recherche
Création d'un jeu de données synthétique pour des données de santé
Description
Description

Il est souvent difficile de partager des données dénominalisées entre différentes organisations et chercheurs en raison de contraintes éthiques liées à la confidentialité des répondants. Il peut ainsi s’écouler de longs mois, parfois même des années, entre la rédaction d’un projet de recherche et le début de l’analyse planifiée, ce qui limite la capacité des chercheurs à mener des travaux scientifiques de pointe au moment opportun et contribue à allonger inutilement la formation d’étudiants gradués, entre autres problèmes. Une solution possible est de créer un jeu de données synthétiques à partager aux chercheurs en attente de l’accès au jeu de données original. Ce jeu de données synthétique serait représentatif des données originales, mais créé de façon à ne pas révéler d’information confidentielle sur les répondants. Il permettrait aux chercheurs de se familiariser à l’avance avec les variables mesurées, d’anticiper les difficultés techniques du projet de recherche (stockage, logiciels, gestion des accès), et de planifier de meilleurs protocoles de recherche.

Nous étudions ici les enjeux techniques liés à la création de tels jeux de données synthétiques dans le domaine de la santé. Il faut notamment s’assurer que les modèles statistiques utilisés soient assez flexibles pour bien modéliser les corrélations entre les variables collectées, tout en s’assurant de ne pas sur-ajuster ceux-ci, ce qui pourrait nuire à la protection de la confidentialité. Le travail s’articulera autour de la création d’un jeu synthétique pour un sous-ensemble des données collectées par le Consortium d’identification précoce de la maladie d’Alzheimer - Québec (CIMA-Q), pour qui le partage des données à la communauté de recherche sur la maladie d’Alzheimer canadienne et internationale est un objectif important.
 

Étudiant.e
Directeur.e(s) de recherche
François Laviolette
Jacques Corbeil
Alexandre Drouin
Début du projet
Titre du projet de recherche
Recherche de biomarqueurs en données métabolomique de grande dimensionnalité par des méthodes d'apprentissage machine interprétables
Description
Description

La métabolomique est une des façons d'étudier le métabolisme. La présence de certains métabolites, ou la dégradation de sentiers métaboliques peuvent servir d'indicateurs sur la santé d'un patient. Ils peuvent servir de marqueurs de certaines maladies comme des cancers, ou renseigner sur la qualité de la diète d'un individu. Les méthodes d'acquisition en métabolomique non ciblée produisent des matrices de données de grandes dimensions. Il s'agit de développer des méthodes d'apprentissage machine spécifiquement adaptées aux jeux de données de grande dimensions. Par exemple des modèles basés sur des règles de décisions. 
La finalité de ces modèles étant la recherche de biomarqueurs, ils doivent être parcimonieux pour pouvoir être interprétés par un expert humain. Il s'agit également de développer de nouvelles approches pour interpréter au mieux des modèles déjà existants et performants. L'interprétabilité est un aspect essentiel dans l'application de l'apprentissage machine à la santé. Les modèles ne peuvent pas être des boîtes noires de diagnostic mais plutôt des outils d'analyse à la disposition d'experts pour mieux comprendre le métabolisme humain.
 

Étudiant.e
Directeur.e(s) de recherche
Nadia Lahrichi
Début du projet
Titre du projet de recherche
Décisions thérapeutiques analgésiques intraopératoires basées sur le NOL index : apport d’une approche basée sur les données pour améliorer justesse et pertinence
Description
Description

Ce projet de recherche se base sur l’analyse de données massives portant sur l’index NOL et d’autres paramètres cliniques intraopératoires utilisés par les anesthésistes durant une chirurgie. Ces paramètres les aident à prendre des décisions de traitements analgésiques chez un patient non-communiquant sous anesthésie générale et chez qui il est impossible d’évaluer la douleur et les besoins en analgésiques par les questionnaires habituels réalisés sur patients éveillés.
Dans un premier temps, l’objectif est d’interpréter les valeurs de cet index en lien avec les décisions prises par le clinicien. 
Dans un deuxième temps, il s’agit de développer un algorithme d’intelligence artificielle pouvant guider la prise de décision pour plus de précision et une meilleure sécurité anesthésique pour le patient.
 

Étudiant.e
Directeur.e(s) de recherche
Vicky Drapeau
Yves De Koninck
Philippe Després
Collaboration
PULSAR
Début du projet
Titre du projet de recherche
Conception, opérationnalisation et validation d’un modèle d’évaluation de la santé durable adapté à une plateforme numérique
Description
Description

Le projet porte sur la conception, l’opérationnalisation et la validation d’un modèle d’évaluation de la santé durable. 
Ce modèle sera adapté à une plateforme numérique, reposera sur des bases théoriques et conceptuelles solides et regroupera des indicateurs valides et nourris par des données dépeignant une conception globale et écosystémique de la santé. 
Une fois opérationnalisé, implémenté et validé dans le cadre d’une cohorte, ce modèle représentera une stratégie innovante pour la santé durable grâce à des technologies et des modes d'intervention améliorés.
 

Directeur.e(s) de recherche
François Laviolette
Début du projet
Titre du projet de recherche
Caractérisation complète des interactions médicamenteuses à l'aide de méthodes d'apprentissage profond
Description
Description

La caractérisation des interactions médicamenteuses (DDI) est cruciale pour la planification de thérapies et la co-administration des médicaments. Malgré les nombreuses expériences in vivo et essais cliniques, les implications pharmacologiques et les effets secondaires indésirables de certaines associations médicamenteuses demeurent incomprises. L’impact conjoint de la majorité de ces combinaisons reste non détecté jusqu'à ce que des traitements soient prescrits aux patients. Il est donc nécessaire de concevoir des outils informatiques qui permettent non seulement de détecter les DDI afin de réduire les coûts expérimentaux mais aussi de caractériser de manière exhaustive tous les effets des combinaisons de médicaments avant leur mise en vente sur le marché. 
Les précédentes tentatives de création de tels outils étaient essentiellement axées sur les interactions pharmacodynamiques et pharmacocinétiques et utilisaient des informations difficiles d'accès au début des campagnes R & D. 
Dans ce projet, nous proposons d’utiliser différentes informations sur les médicaments et leurs cibles (voies, biomarqueurs, expressions géniques, etc.) qui sont disponibles au début de chaque campagne de R & D. Notre hypothèse est que des caractéristiques de haut niveau peuvent être extraites de ces données au moyen d’algorithmes d’apprentissage profond et améliorer la caractérisation DDI. De ce fait, nos modèles seront entraînés pour reproduire les effets pharmacologiques des DDI ainsi que les interactions sous-jacentes des voies moléculaires et biologiques. 
Créer une telle boîte à outils complète aidera à réduire les risques dans les thérapies de polypharmacie.
 

Étudiant.e
Directeur.e(s) de recherche
Philippe Després
Guillaume Latzko-Toth
Début du projet
Titre du projet de recherche
Pseudo-médecines et science des données : étude de l’impact des algorithmes apprenants sur la propagation de la désinformation dans le domaine de la santé
Description
Description

Le projet vise à étudier les effets sur le débat public de l'intelligence artificielle (IA) et de la science des données, et de leurs usages par les nouveaux diffuseurs de contenu sur le web. 
Il se propose d'aborder les aspects éthiques des algorithmes apprenants et des filtres de recommandation utilisés par les acteurs d'internet pour la présentation et la sélection du contenu aux internautes. Plus particulièrement, le projet pose la question de la conséquence de tels algorithmes sur la santé publique, notamment dans la propagation de la désinformation médicale et des pseudo-médecines.
Ce projet se propose donc de porter un regard critique sur les techniques de la science des données, et sur leurs utilisations. Le point de vue développé intégrera les savoirs de différentes disciplines des sciences sociales (éthique, sciences de la communication, philosophie des techniques) et influencera le développement de solutions techniques et de conseils pour la mise en œuvre d'une IA éthique et durable. 
Le projet comporte donc un double-volet technique et philosophique, avec une perspective d'intégration interdisciplinaire.

Étudiant.e
Directeur.e(s) de recherche
John Kildea
Début du projet
Titre du projet de recherche
Préparation d’un portail patient utilisé comme outil d’autogestion
Description
Description

Ce projet fait partie des efforts visant à préparer Opal à l'utilisation par les patients, en leur fournissant des ressources d'autogestion telles que des questionnaires et du matériel éducatif.

Étudiant.e
Directeur.e(s) de recherche
John Kildea
Début du projet
Titre du projet de recherche
Évaluation des facteurs relatifs à la vie privée concernant la nouvelle plateforme de partage de données à travers le portail pour patients Opal
Description
Description

Ce projet porte sur la notion de partage de données recueillies par Opal et comprends une évaluation de l'impact sur la vie privée de l’utilisation du portail et de l’éventuel partage des données se trouvant sur celui-ci.

Étudiant.e
Directeur.e(s) de recherche
Louis Archambault
Début du projet
Titre du projet de recherche
Développement d'un procédé d'étalonnage automatique pour les dosimètres à scintillation multipoints en utilisant la décomposition par composante principale pour représenter les données
Description
Description

Les dosimètres à scintillation multipoints sont des appareils permettant de mesurer en temps réel la dose de radiation déposée à plusieurs endroits simultanément dans l'espace. La collecte de données ne peut être précise que si l’appareil est bien calibré.

L'objectif de ce projet de recherche consiste à développer une démarche automatisée permettant de calibrer, en utilisant le faisceau d'un accélérateur linéaire de radiothérapie, les dosimètres à scintillation multipoints en illustrant les données de calibration dans l'espace des composantes principales.

Les mesures acquises avec un dosimètre à scintillation multipoints sont des mesures spectrales de la lumière produite au sein du dosimètre, ce dernier ayant la propriété d'émettre de la lumière proportionnellement à la dose reçue. À partir d'un ensemble de mesures de calibration, un algorithme de Non-Negative Matrix Factorisation (NMF) est appliqué sur l'ensemble des données afin de prédire les différentes composantes spectrales de base qui composent les mesures. Afin de simplifier la visualisation des données représentant un ensemble de mesures de calibration, celles-ci sont transformées en utilisant un algorithme de décomposition par composantes principales (PCA), puis représentées graphiquement dans un nouvel espace, appelé l'espace des composantes principales. Dans cet espace, il est possible de visualiser la composition des mesures de calibration par rapport à chaque composante spectrale de base.

Différents ensembles de mesures de calibration sont donc représentés dans cet espace, puis envoyés à l'algorithme de NMF afin d'évaluer les performances de cet algorithme en fonction de différents ensembles de mesures d'étalonnage, pour ultimement déterminer les mesures à acquérir expérimentalement afin de calibrer adéquatement ces types de dosimètre.

Découvrir

Projet en vedette

Le projet vise à étudier les effets sur le débat public de l'intelligence artificielle (IA) et de la science des données, et de leurs usages par les nouveaux diffuseurs de contenu sur le web. 

Lire plus