Développement, analyse et déploiement en unité de soins intensifs néonatals de modèles hybrides de détection précoces d’évènements cardio-respiratoires chez le nouveau-né

En Europe, environ 8% des naissances sont prématurées et plus de 300 000 nouveau-nés prématurés sont admis en unité de soins intensifs néonatals (USIN) chaque année. Au cours de cette période, le risque de sepsis et d'évènements graves d'apnée-bradycardie est important et peut être associé à une élévation de la mortalité et de déficiences neurocomportementales à long terme.

Récemment, notre équipe de recherche a développé et déployé en USIN un prototype avancé de support d’aide à la décision clinique (Clinical Decision Support System - CDSS) [1]. Ce CDSS embarque un modèle d’apprentissage automatique générant en quasi-temps réel des estimations du niveau de bilirubine du nouveau-né prématuré [2]. Depuis son déploiement en janvier 2023, ce CDSS effectue du traitement de données en inférence au sein de l’USIN du CHU de Rennes.

Dans ce contexte, l’objectif de cette thèse sera : 1) de développer de nouveaux modèles d’apprentissage automatique dédiés à la détection précoce du sepsis et d’évènements graves d’apnée-bradycardie ; 2) de compléter les approches d’apprentissage automatique avec une méthodologie basée sur des modèles computationnels (jumeaux numériques de patients) afin d’améliorer l’interprétation et l’explicabilité des analyses ; et 3) de développer un nouveau prototype avancé de CDSS afin de déployer en inférence en USIN les nouveaux modèles d’apprentissage automatique développés dans le cadre de cette thèse. Le développement des modèles et les analyses reposeront sur une exploitation de données longitudinales à la fois de la base de données massive « CaressPremi » et des données acquises par le CDSS déployé en inférence au CHU de Rennes depuis janvier 2023. Les travaux à mener dans cette thèse pourront s’appuyer sur la forte expérience de notre équipe dans le domaine [1-6].

Références

1. M. Chen, A. Beuchée, F. Tudoret, A. Coursin, P. Ho, and A I. Hernández, “Deployment of an on the edge clinical decision support system in neonatal intensive care units,” in 2023 Computing in Cardiology (CinC), vol. 50. IEEE, 2023, pp. 1-4, doi:10.22489/CinC.2023.061.

2. M. Chen, A. Beuchée, F. Tudoret, and A I. Hernández, “Non-invasive total serum bilirubin estimation in preterm infants with modified mixed-effects random forest,” in 2024 Computing in Cardiology (CinC), vol. 51. IEEE, 2024, pp. 1-4, doi:10.22489/CinC.2024.120

3. M. Chen, A I. Hernández, “Towards an explainable model for sepsis detection based on sensitivity analysis,” IRBM, vol. 43, no. 1, pp. 75–86, 2022, doi:10.1016/j.irbm.2021.05.006.

4. M. Chen, A. Beuchée, E. Levine, L. Storme, G. Gascoin, A I. Hernández, “Model-based characterization of total serum bilirubin dynamics in preterm infants,” Pediatric Research. Published online November 7, 2024. doi:10.1038/s41390-024-03644-z.

5. Duport O, Le Rolle V, Guerrero G, Beuchee A, Hernandez A. Modeling Patient-Specific Apnea-Bradycardia Patterns in Preterm Newborn. IEEE Trans Biomed Eng. 2025 Mar;72(3):1067-1077. doi:10.1109/TBME.2024.3486580. Epub 2025 Feb 20. PMID: 39453804.

6. Duport O, Le Rolle V, Guerrero G, Beuchée A, Hernández AI. Parametric analysis of an integrated cardio-respiratory model in preterm newborns during apnea. Comput Biol Med. 2024 May;173:108343. doi: 10.1016/j.compbiomed.2024.108343. Epub 2024 Mar 18. PMID: 38513388.

Le LTSI (Laboratoire Traitement du Signal et de l'Image) est un laboratoire de recherche de l'Université de Rennes et de l’INSERM, à l’interface des disciplines relevant des domaines des sciences et technologies de l’information et de la santé.

Nous recherchons un·e candidat·e possédant des compétences en analyse numérique, traitement du signal et programmation. Il sera nécessaire d’avoir une motivation pour l'ingénierie biomédicale même si des connaissances en physiologie ne sont pas nécessaires.