Firas KETATA : "Prédiction du Risque des Maladies Endocriniennes à l'aide de la Science des Données et de l'Intelligence Artificielle Explicable"

Résumé : L'objectif de cette thèse est de prédire le risque de maladies endocriniennes à l'aide de la science des données et de l'apprentissage automatique. L'idée est d'exploiter cette identification de risque pour aider les médecins à gérer les ressources financières et personnaliser le traitement des anomalies glucidiques chez les patients atteints de bêta-thalassémie majeure, ainsi que pour le dépistage du syndrome métabolique chez les adolescents. Une étude d'explicabilité des prédictions a été développée dans cette thèse pour évaluer la fiabilité de la prédiction des anomalies glucidiques et pour réduire les coûts financiers associés au dépistage du syndrome métabolique. Enfin, en réponse aux limites constatées de l'apprentissage automatique explicable, nous proposons une approche visant à améliorer et évaluer cette explicabilité, que nous testons sur différents jeux de données.

Composition du jury :

Noureddine ZERHOUNI Professeur des universités Université Bourgogne Franche-Comté - Directeur de thèse

Mme Zeina AL MASRY Maîtresse de conférences Université Bourgogne Franche-Comté - Co-directrice de thèse

Mme Maria DI MASCOLO Directrice de recherche Laboratoire G-SCOP Rapporteure

Hedi BEDOUI Professeur des universités - praticien hospitalier Hôpital Universitaire de Monastir Rapporteur

Mme Edith GRALL Maîtresse de conférences - Université de Technologie de Troyes - Examinatrice

Hatem BOULAHDOUR Professeur des universités - praticien hospitalier - Centre Hospitalier Universitaire de Besançon Examinateur

Mounir SAYADI Professeur Ecole Nationale Supérieure d'Ingénieurs de Tunis - Examinateur

Slim YACOUB Professeur Institut National des Sciences Appliquées et de Technologie - Co-directeur de thèse

Localisation : Amphithéâtre Jules Haag - SUPMICROTECH ENSMM - 26, Rue de l'Epitaphe