Meeting RDI BMB "Au coeur de la santé"

Le 14 mai 2024 de 15h à 19h
Amphi G001 – UFR Santé – Besançon

Le réseau RDI BMB organise son meeting annuel sous forme d'un workshop en partenariat avec le CHU et l'UFR Santé sur les problématiques d'interdisciplinarité bio-maths-info dans le domaine de la santé.

Invités extérieurs

Nos invités donneront chacun un exposé grand format, suivi d'une discussion sur la nature des partenariats et les retombés des intéractions pluridisciplinaires en Santé.

• Stéphane Chrétien
      Statistiques et Machine Learning – Laboratoire ERIC – Université Lyon 2
      Sujet : "Détection précoce du cancer basée sur des prélévelements sanguins"
• Christine Devalland
      Détection cancer – Service d’anatomie et cytologie pathologiques – Cancéropôle Est
      Sujet : "Intégration de la pathologie digitale dans l’activité quotidienne"

Orateurs locaux

Les orateurs locaux feront de courts exposés présentant leurs activités propres, suivis de questions.

• Zeina Al Masry
      AS2M Femto-ST
• Jean-François Couchot
      DISC Femto-ST
• Mathilde Massard
      Laboratoire de Mathématiques de Besançon
• Bastien Polizzi
      Laboratoire de Mathématiques de Besançon
• Julien Viot
      CHU Besançon

Programme

Le programme sera complété prochainement.

Résumés des exposés

Détection précoce du cancer basée sur des prélévelements sanguins

Stéphane Chrétien

Notre travail développe une méthode capable de détecter à un stade précoce une croissance tumorale potentiellement maligne à partir de quelques prélévements sanguins.
Pour y parvenir, nous concevons une nouvelle méthode statistique simple basée sur un modèle stochastique de la propagation d'un biomarqueur dans le sang. Ce modèle repose sur la théorie des processus de vie et de morts et est inspiré de celui présenté par l'entreprise GRAIL, qui s'est récemment distinguée par un prix d'innovation pour ce type de méthode de détection. Notre travail pousse l'analyse du problème plus loin en terme d'estimation statistique en introduisant une approche fondée sur des modèles à effets mixtes et une approche de type Median of Means pour extraire les cas de croissance alarmante. Avec l'approche proposée, nous échappons au problème potentiel de rencontrer des paramètres particuliers à chaque individu et des dataset deséquilibrés entre les labels bénin et malin.
Pour la mise en oeuvre, nous proposons une méthode de type Stochastic Gradient Langevin Dynamics (SGLD) pour estimer les paramètres de ce modèle à effets mixtes et montrons qu'il permet de distinguer les cas problématiques.

Applicabilité de modèles mathématiques en Bioinformatique des cancers : l’exemple des rétrovirus endogènes dans le cancer colorectal métastatique

Julien Viot

La recherche translationnelle en Oncologie s’est accéléré il y a quelques années avec l’arrivée des technologies de séquençage à haut débit. Celle-ci permettent de décrire des échantillons biologiques en générant un très grand nombre de données relatives à ces échantillons. La principale problématique aujourd’hui est d’identifier les variables d’intérêts pour accélérer le développement de nouvelles voies de recherche. Nous faisons donc appel à des modèles mathématiques de réduction dimensionnelle ou de régression pour réduire le nombre de variables associées à la problématique scientifique d’intérêt.
Nous présentons ici deux exemples d’applications de ces techniques, l’un pour la classification d’échantillons biologiques et l’autre pour la sélection de variables pronostiques, par l’analyses de l’expression de rétrovirus endogènes dans les cancers colorectaux métastatiques.

Inscriptions

L'inscription est gratuite mais obligatoire : Formulaire d'inscription
Deadline : 01 Mai 2024

Contact

Si vous avez des questions, vous pouvez contacter les animateurs du réseau.