MYO-xIA

MYO-xIA: IA explicable pour la classification intégrée et la prédiction des myopathies congénitales



Résumé
Le diagnostic différentiel précoce des différentes myopathies congénitales (MC) représente un défi majeur et pourrait être grandement amélioré en combinant les données cliniques (symptômes), génétiques/génomiques (séquences) et histologiques (images/rapports) de la cohorte de référence MyoCapture, qui comprend 1200 individus dont l'ensemble des données a récemment été intégré dans la base de connaissance INEX-MED. Dans ce cadre, nous proposons d'apprendre de la base INEX-MED pour développer un modèle prédictif explicable, MYO-xIA fondé sur les systèmes de classeurs adaptatifs BACS (Behavioral Anticipatory Classifier System) couplé à des réseaux neuronaux profonds. MYO-xIA sera dédiée au diagnostic différentiel des MC sur la base des symptômes du patient, afin d’orienter les analyses génétiques/génomiques et/ou les explorations cliniques/histologiques complémentaires souvent invasives et coûteuses, améliorant ainsi la prise en charge des patients.

Mots-clés
Intégration de données multimodales, Intelligence artificielle explicable, classeurs adaptatifs, myopathies congénitales, diagnostic différentiel

Partenaires du projet

INS2I
COLLET Pierre
(UMR7357) Strasbourg France
INSB
Laporte Jocelyn
IGBMC (UMR7104) France
Crédit photo :