Créer son projet de recherche en Machine Learning

Dans le meilleur des mondes possibles lorsque vous vous présentez à une équipe en disant "Bonjour, je veux faire de la recherche au croisement entre IA et questions cliniques" on vous répond "Quelle excellente idée, nous avons un projet tout chaud qui vous attendait".

Bon, dans la réalité il est souvent difficile de se greffer à un projet existant et le plus sûr est de créer le votre. Vous allez voir, non seulement vous allez y arriver, mais en plus vous allez y prendre du plaisir !

Cookbook: monter son projet en IA et clinique

S'acculturer au machine learning

C'est la partie la plus facile ! Soyez curieuse, trouvez quelques mots et lancez vos recherches sur youtube / google.

Plusieurs pistes pour débuter:

- Le fantastique cours du collège de France par Yann Le Cun, un des inventeurs des réseaux de neurones.

- Les vidéos de Machine Learnia

- un article de nature cité plus de 35 000 fois: Deep Learning

Aller voir dans la littérature ce qui s'est déjà fait

Accéder directement aux articles scientifiques peut sembler un peu aride au début. Gardez bien vos objectifs en tête:

- Quel est l'objectif principale ? (-> vous pourrez peut-être prendre le même pour une autre pathologie ?)

- Quelle est la base de données utilisée (-> peut être pourriez-vous y accéder aussi ?)

- Quelle équipe a publié le papier (-> pourquoi ne pas les contacter pour leur proposer de travailler avec eux ?)

Et si vous ne comprenez rien à la méthode, tant pis, ce n'est pas l'objectif pour l'instant.

Quelques papiers pour débuter:

- The Artificial Intelligence Clinician learns optimal treatment strategies for sepsis in intensive care

- Early prediction of circulatory failure in the intensive care unit using machine learning

- Assessment of Machine Learning to Estimate the Individual Treatment Effect of Corticosteroids in Septic Shock

- Derivation, Validation, and Potential Treatment Implications of Novel Clinical Phenotypes for Sepsis

- Validation of Prediction Models for Critical Care Outcomes Using Natural Language Processing of Electronic Health Record Data

- Dermatologist-level classification of skin cancer with deep neural networks

On peut alors s'essayer à classer le type d'objectif principal des études utilisant du machine learning:

- Prédictions d'un évènement (date de sortie de réanimation / prédiction du retour en réanimation dans les 48 heures après la sortie ...)

- Prédiction d'un outcome (décès / modified Rankin scale ...)

- Personnalisation d'un objectif thérapeutique continue (objectif de pression artérielle, quantité de cristalloïdes à utiliser, dose de noradrénaline ...)

- Segmentation automatique d'un syndrome fourre tout (j'ai nommé, le sepsis !)

Partez de la base de données

Au mieux on part de son expérience clinique pour trouver une question de recherche. De manière plus pragmatique, essayez de trouver d'abord une base de données accessibles et ensuite trouvez la question clinique la plus pertinente à laquelle on peut répondre en utilisant cette base.

Et surtout, profitez, vous êtes au coeur de ce qu'on appelle "la Recherche".