Algorithmes d’intelligence artificielle qui s’inspirent du vivant
Après une thèse à l’interface math-bio sur le rôle du bruit dans le traitement de l’information par les neurones, je me suis intéressé, lors de mon postdoc à Stanford, aux algorithmes d’intelligence artificielle qui s’inspirent du vivant, en particulier en utilisant le hasard et le désordre au coeur de leur processus de fonctionnement. Depuis mon retour en France, d’abord à l’Université Paris 13 au LAGA, puis à l’ENS au département d’informatique, j’ai également développé plusieurs collaborations avec des biologistes et des médecins pour l’étude des réseaux d’interactions biologiques en vue d’une meilleure compréhension du fonctionnement du vivant et d’applications à la médecine personnalisée.
Un problème récent : la prédiction de la réponse à un médicament
Le problème est le suivant : la colite aigüe grave est une maladie sévère qui nécessite une évaluation rapide du traitement le plus adapté. Deux traitements sont possibles et il n’existe pour l’instant aucun moyen pour les médecins de savoir quel médicament donner en première ligne.
Pour résoudre ce problème, nous avons conçu un algorithme prédictif qui combine des données cliniques (obtenues via un questionnaire) avec des données épigénétiques (micro ARN) afin de prédire de manière personnalisée la réponse au traitement. Ce travail a été effectué en collaboration avec Ian Morilla, Mathieu Uzzan, Xavier Treton, Eric Ogier-Denis. Un brevet INSERM Transfert est en cours de finalisation.