Where PhDs and companies meet
Menu
Login

Already registered?

New user?

Classification du comportement patient par analyse des interactions verbales patient-soignant : application à la neurochirurgie éveillée et la prévention du suicide

ABG-120425 Thesis topic
2024-02-16 Public funding alone (i.e. government, region, European, international organization research grant)
Inserm
- Bretagne - France
Classification du comportement patient par analyse des interactions verbales patient-soignant : application à la neurochirurgie éveillée et la prévention du suicide
  • Computer science
  • Health, human and veterinary medicine
  • Data science (storage, security, measurement, analysis)
Intelligence artificielle, traitement automatique du langage, traitement de la parole, transcription automatique, linguistique, classification

Topic description

Cette thèse vise à analyser des enregistrements audios d’interactions verbales entre un patient et un soignant, en combinant des approches d’intelligence artificielle (IA), plus précisément de traitement automatique du langage, et de linguistique. Le but est de classifier automatiquement les comportements de patients (éléments de discours, troubles du langage, etc.) afin d’assister le soignant.

L’approche sera d’abord appliquée à la neurochirurgie éveillée (NCE), un mode d’intervention chirurgicale singulier qui a fait ses preuves dans le traitement des gliomes, tumeurs cérébrales qui se développent discrètement chez de jeunes adultes. Elle optimise le geste chirurgical grâce à la participation active du patient, réveillé au cours de l’intervention afin qu’il réponde à des tests neuropsychologiques auxquels il a été préparé. Ses rétroactions permettent de cartographier le cerveau et de pratiquer la résection tumorale en évitant d’altérer des zones essentielles sur le plan fonctionnel (Duffau 2021). Le patient doit donc être particulièrement bien préparé. En effet, celui-ci est d’abord confronté à l’annonce brutale du diagnostic de la maladie, puis il est préparé à la singularité de la chirurgie dont il sera acteur. Dans cette application, l’objectif est double : 1. déterminer, en préopératoire, le niveau de collaboration et de préparation du patient et 2. analyser, en peropératoire, les rétroactions du patient afin d’assister les étapes de cartographie et de résection. Le but est de maximiser le pourcentage de la masse tumorale réséquée et réduire l’apparition de séquelles.

L’approche proposée sera également appliquée à la prévention du suicide, qui s’appuie de plus en plus sur des plateformes téléphoniques. Dans ce contexte, il existe un fort intérêt pour le développement d’outils pour guider l’échange entre usagers et répondants et pour aider les psychiatres à la décision thérapeutique (Fossi 2021). Dans cette application, il s’agira d’analyser les enregistrements téléphoniques pour prédire une réitération suicidaire dans les six prochains mois, période de risque maximal, afin de prioriser le suivi des patients les plus à risque.

Une étape clé de l'analyse des enregistrements audio est la transcription (i.e., leur conversion en texte). Des modèles de transcription automatique multilingues ont été proposés (Radford 2023), avec une reconnaissance possible des locuteurs (Bain 2023). Ces modèles fonctionnent de manière imparfaite, compte tenu des caractéristiques des patients (dysphonie des patients déprimés, etc.), et mériteraient une adaptation aux données. Outre le discours, la prosodie du patient (la hauteur de voix, la longueur des sons, le timbre, etc.) devra être prise en compte. Il s'agira donc de classifier des signaux multimodaux (texte/verbal + son/paraverbal) en fonction du critère analysé. L’utilisation d’IA explicables permettra l’identification de comportements de patients discriminants. Les moments clés de l’échange seront alors identifiés et pourront être analysés plus finement par des techniques de linguistique (entrées sémantique, pragmatique, énonciative et interactionnelle), dans un but d’aide au diagnostic (Gülich 2018) et d’amélioration de l’échange.

Références

Bain M, Huh J, Han T, Zisserman A. WhisperX: Time-accurate speech transcription of long-form audio. 2023:4489-4493. doi:10.21437/Interspeech.2023-78

Duffau H. Updated perspectives on awake neurosurgery with cognitive and emotional assessment for patients with low-grade gliomas. Expert Review of Neurotherapeutics. 2021;21(4):463-473. doi:10.1080/14737175.2021.1901583

Fossi LD, Debien C, Demarty AL, Vaiva G, Messiah A. Suicide reattempt in a population-wide brief contact intervention to prevent suicide attempts: The VigilanS program, France. Eur Psychiatry. 2021;64(1):e57. doi:10.1192/j.eurpsy.2021.2221

Gülich E. Analyser la parole pour établir un diagnostic : Perspectives du travail pluridisciplinaire entre médecins et linguistes. In: Ploog K, Mariani-Rousset S & Equoy Hutin S. (2018). Emmêler & démêler la parole : Approche pluridisciplinaire de la relation de soin. Presses universitaires de Franche-Comté. 187-203.

Radford A, Kim JW, Xu T, Brockman G, McLeavey C, Sutskever I. Robust speech recognition via large-scale weak supervision. In: Proceedings of the 40th International Conference on Machine Learning. Vol 202. ICML’23. JMLR.org; 2023:28492-28518.

Starting date

2024-10-01

Funding category

Public funding alone (i.e. government, region, European, international organization research grant)

Funding further details

Presentation of host institution and host laboratory

Inserm

La thèse sera hébergée au sein du LaTIM à Brest, en France. Né de la complémentarité entre les sciences de la santé et de la communication, le LaTIM (laboratoire de traitement de l'information médicale) développe une recherche multidisciplinaire menée par des membres de l'Université de Bretagne Occidentale (UBO), de l'IMT Atlantique, de l'INSERM et du CHRU de Brest. L'information est au cœur du projet de recherche de l'unité ; de par sa nature multimodale, complexe, hétérogène, partagée et distribuée, elle est intégrée par les chercheurs dans des solutions méthodologiques visant à améliorer les soins médicaux. Bénéficiant d'une unité au sein du CHRU, l'UMR (unité mixte de recherche) dispose (en plus de l'accès à ses propres plateformes) d'un accès privilégié aux plateformes techniques hospitalières, ainsi qu'à l'ensemble des données cliniques et des patients, dans une dynamique forte de recherche translationnelle.

PhD title

doctorat en Analyse et traitement de l'information et des images médicales

Country where you obtained your PhD

France

Institution awarding doctoral degree

UNIVERSITE DE BRETAGNE OCCIDENTALE DE BREST

Graduate school

Sciences de la Vie et de la Santé

Candidate's profile

  • Master 2 ou Diplôme d’ingénieur
  • Formation en intelligence artificielle, et idéalement en traitement automatique du langage
  • Expérience en programmation Python
  • Connaissance des librairies d’intelligence artificielle (Pytorch, en particulier)
2024-03-20
Partager via
Apply
Close

Vous avez déjà un compte ?

Nouvel utilisateur ?