BIP-UP - Bandits pour le suivi de patients

Coordinateur : Monsieur Philippe Preux INRIA de l’Université de Lille- CRIStAL

Équipe : SCOOL du Groupe Thématique : DatInG.

Dates : 10/22 - 12/26

Résumé :

L’apprentissage artificiel est porteur de nombreux espoirs en médecine. Dans le projet BIP-UP, nous allons explorer la problématique du suivi individualisé de patient ayant subi une intervention en chirurgie bariatrique. Actuellement ce suivi est le même pour tous les patients alors que les praticiens sont bien conscients qu’un suivi individualisé serait bien plus pertinent. Cette problématique sera modélisée à l’aide de bandits contextuels, dont la définition sera précisée au début du projet. L’entraînement de ces bandits dans un contexte pauvre en données, des données de nature potentiellement multiples, en prenant en compte le risque pour le patient qui constitue un système dynamique autonome seront les principaux défis à étudier sur le plan théorique. Nous aborderons ces points avec rigueur, mais de manière pragmatique. Nous utiliserons les données d’une cohorte de patients collectées depuis une quinzaine d’années au CHU de Lille afin d’entraîner l’algorithme de bandits et le tester sur des cohortes de validation. Nous utiliserons également les données de ces patients disponibles dans le HDH afin d’enrichir ces données et améliorer nos prédictions, donc le suivi. In fine, l’objectif est de développer un compagnon logiciel mis à disposition de l’équipe médicale qui en effectuera une évaluation pratique sur ses patients.
BIP-UP repose sur une étroite collaboration entre l’équipe Scool de l’Inria à Lille, experte en bandits et leurs applications, et l’unité Inserm U 1190 spécialisée en chirurgie bariatrique, que ce soit en termes clinique ou en termes de recherche.
BIP-UP a pour ambition de mener une recherche exploratoire sur un certain type de patients, mettre au point un compagnon logiciel de suivi de patients. La démarche pourrait être ensuite adaptée au suivi de nombreux autres types de patients.

Abstract

Machine learning is accompanied by many hopes in health. In project BIP-UP, we will explore the follow-up of patients who underwent bariatric surgery. Currently, this follow-up is the same for all patients though practicians are well aware that a personalized follow-up would better suit. Patient follow-up will be modeled as a contextual bandit problem, which precise definition will be detailed during the project. Training of a bandit algorithm in a context where data is scarce, context is made of features of different natures, risk-aware, in interaction with an autonomous dynamical system (the patient) will be the main challenges that we will study on a theoretical side. We will investigate these points with the necessary rigor, yet in a pragmatic way. We will use data from a cohort collected over the last 15 years at the CHU de Lille to train the algorithm, and we will test it on other validation cohorts. We will also use data about the patients that are available in the HDH to enrich the data and improve our predictions, hence the follow-up. Finally, the goal of BIP-UP is to develop a software companion for the medical team who will evaluate the tool in practice on their patients.
BIP-UP relies on a tight collaboration between Inria team-project Scool in Lille, expert in bandit theory and their applications, and INSERM U 1190 expert in bariatric surgery, whether in clinical terms, and for their research on the topic.
To summarize, BIP-UP has the ambition to lead exploratory research activities on a certain type of patients, design, develop and assess a software companion for patient follow-up. This approach may be adapted to the follow-up of other types of patients in the future.