Description
Date depot: 10 janvier 2024
Titre: Développement d’un système « météo » de prédiction de risques des crises d’épilepsie à partir de signaux périphériques
Directeur de thèse:
Mario CHAVEZ (ICM)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Sciences de l’information et sciences du vivant
Resumé: La variabilité de la fréquence cardiaque (VRC) est un moyen accessible et pratique d'évaluer l'équilibre entre les systèmes sympathique et parasympathique. Chez des patients épileptiques, des dysfonctionnements du système autonome peut refléter un état pro-critique et survenir avant le début des crises. Différentes études ont étudié les fluctuations de la VRC pour identifier les états pré-critiques lors d'une surveillance continue par électrocardiogramme (ECG). Dans ce projet de thèse, nous comptons developper une approche conceptuellement comparée à une « météo de l’épilepsie », où nous voulons évaluer la capacité de différents signaux capturés au cours de la vie quotidienne des patients (l’ECG, l'accélérométrie, l'EDA ou le SpO2) pour estimer le risque de crises à venir à l’aide de prévisions probabilistes. L’objectif général de ce projet de recherche est donc de développer un système multimodal non-invasif de prévision du risque des crises d’épilepsie, basé sur l’intelligence artificielle, qui sera intégré dans un système de surveillance en continue chez les patients permettant l’acquisition en mode ambulatoire.
Résumé dans une autre langue: Heart rate variability (HRV) is an accessible and convenient way to assess the balance between the sympathetic and parasympathetic systems. In epileptic patients, autonomic dysfunctions may reflect a pro-ictal state, and may occur before the onset of seizures. Different studies have investigated HRV fluctuations to identify pre-ictal states during continuous electrocardiogram (ECG) monitoring. In this thesis project, we intend to develop an approach conceptually compared to an “epilepsy weather forecast system”, where we want to evaluate the capacity of different signals, continuously captured during the daily life of patients (ECG, accelerometry, EDA or SpO2), to estimate the risk of future seizures using probabilistic forecasts. The general objective of this research project is therefore to develop a non-invasive multimodal system for predicting the risk of epileptic seizures, based on artificial intelligence, which will be integrated into a continuous monitoring system in patients allowing the acquisition in ambulatory mode.
Doctorant.e: Crétaigne Lili