Les nouveaux-nés prématurés sont vulnérables à des complications comme l’hyperbilirubinémie néonatale et le sepsis tardif (LOS), posant des défis importants dans les unités de soins intensifs néonatals (USIN). Malgré les avancées en matière de soins, la détection précoce et la gestion efficace de ces affections restent complexes. Cette thèse, basée sur l’étude CARESS-Premi (NCT01611740), vise à développer des techniques avancées de traitement des données et des modèles interprétables d’apprentissage automatique afin d’améliorer la prise de décision en USIN, via des systèmes de surveillance non invasifs, continus et en temps réel. Les principales contributions comprennent : (i) une chaîne optimisée de traitement des signaux pour l’analyse ECG en conditions réelles, adaptée aux USIN; (ii) un modèle mathématique patient-spécifique pour la caractérisation de la dynamique postnatale de la bilirubine, avec des paramètres comme biomarqueurs potentiels pour détecter les comorbidités associées ; (iii) une estimation non invasive de la bilirubine utilisant des modèles d’apprentissage automatique à effets mixtes intégrant l’analyse de la variabilité de la fréquence cardiaque (HRV) et des informations physiologiques ; (iv) des modèles pour la détection précoce du LOS via l’analyse de la HRV ; (v) la conception, le déploiement et l’évaluation préliminaire d’un système d’aide à la décision clinique (CDSS) on-the-edge, intégrant du traitement des signaux en quasi-temps réel et des modèles d’inférence dans un contexte USIN. Ces résultats démontrent le potentiel du traitement avancé des signaux physiologiques combiné à l’apprentissage automatique pour optimiser les soins néonatals.

L’épilepsie est un trouble neurologique qui affecte 0.6% à 0.7% de la population mondiale et se caractérise par des crises récurrentes dues à une activité cérébrale anormale. Pour certains patients épileptiques ne répondant pas de façon satisfaisante aux traitements médicamenteux, il convient parfois de recourir à la chirurgie, nécessitant au préalable une bonne connaissance de la zone épileptogène responsable du déclenchement des crises. Ainsi, nos travaux portent sur l’inférence de la connectivité cérébrale effective à partir de signaux EEG de profondeur et de surface afin d’identifier au mieux les réseaux épileptiques. Dans un premier temps, nous avons exploré des approches basées dictionnaires et proposé une nouvelle approche qui, appliquée sur des signaux intracérébraux, a permis d’identifier correctement les graphes de propagation lors de la phase ictale. Nous avons ensuite développé une approche innovante "tout-en-un" combinant simultanément localisation des sources et estimation de connectivité à partir de signaux de surface. Celle-ci s’est avérée performante et robuste sur des schémas simulés par l’expert.

Être chirurgien requiert de nombreuses compétences communément distinguées en compétences techniques et non techniques intra- et inter-personnelles. Ces dernières comprennent, entre autres, l’ergonomie chirurgicale qui constitue le cœur de cette thèse. Malheureusement, cette notion est très peu enseignée durant le cursus universitaire chirurgical entraînant de nombreux troubles musculosquelettiques (TMS). Ces derniers ont un fort impact sur la vie personnelle et professionnelle des chirurgiens. Les objectifs de ces travaux de thèse sont d’établir l’importance de l’ergonomie en chirurgie, de l’évaluer quantitativement et de l’analyser. Une méthodologie de calcul de posture, sans marqueurs physiques, des chirurgiens a été mise en place. Des métriques de postures sont proposées pour estimer l’ergonomie des chirurgiens et prédire leur expérience chirurgicale et leur niveau d’ergonomie. Pour finir, un outil d’apprentissage pédagogique adapté aux besoins individuels est proposé. Il regroupe toutes les étapes, de la détection de pose au calcul de métriques, dans le but d’apporter des visualisations des résultats ainsi qu’un rapport adapté. Ce dernier est généré automatiquement grâce aux résultats et renseigne l’apprenant de son ergonomie chirurgicale associée aux risques encourus et à des conseils adaptés.

L’optimisation de nos stratégies de prise en charge des arythmies ventriculaires constitue un enjeu clinique majeur en cardiologie. Une meilleure compréhension des différents profils de sévérité chez les patients présentant des arythmies récidivantes, ainsi qu'une identification plus précise des profils répondant aux diverses options thérapeutiques, représentent des défis importants d’un point de vue clinique. Ces avancées potentielles sont représentées notamment par les approches permettant une meilleure compréhension des mécanismes soutenant certaines arythmies ventriculaires, couplées au développement de nouveaux outils de cartographie de ces anomalies. L’introduction récente d’une nouvelle source d’énergie ablative, l’électroporation, offre également des perspectives prometteuses, avec pour objectif la création de lésions plus profondes permettant d’éliminer certains substrats jusque-là difficilement accessibles avec la radiofréquence. Enfin, la radioablation stéréotaxique cardiaque, technique d’ablation non-invasive récente, offre déjà une nouvelle ligne thérapeutique efficace pour les patients en impasse thérapeutique, même si des défis précliniques, cliniques et technologiques importants attendent cette thérapie dans les années à venir.

Le syndrome d'apnée du sommeil (SAS) est un trouble caractérisé par des arrêts et des diminutions du flux respiratoire pendant le sommeil. L'observabilité des fonctions cardio-respiratoires dans le SAS reste un véritable défi, et de nouvelles méthodes interprétables doivent être proposées en se basant sur l'acquisition de signaux non invasifs. L’objectif principal de cette thèse est de proposer une approche basée sur des modèles computationnels et des méthodes de traitement du signal afin de mieux comprendre la réponse cardio-respiratoire aiguë aux épisodes d’apnées, en se basant sur des signaux de temps de transit du pouls (PTT) et de ballistocardiographie (BCG). Une chaine de traitement du signal de PTT a été développée, et a permis de classifier les apnées centrales et obstructives sur une base de données cliniques de patients du SAS. Un nouveau modèle des interactions cardio-respiratoires a été proposé et analysé pour la simulation des signaux de PTT et de BCG, afin d'extraire les facteurs physiologiques les plus influents sur ces signaux autour des apnées. Ce travail permet d'améliorer la compréhension des mécanismes cardio-respiratoires modulant ces signaux, et d'ouvrir la voie vers des approches à base de jumeaux numériques pour l'optimisation de la prise en charge des patients.

Les Oscillations Haute Fréquence (HFO : 80-600 Hz) et en particulier les Fast-Ripples (FRs : 200-600 Hz) suscitent un intérêt croissant au cours des dernières décennies en tant que biomarqueur des réseaux  épileptogènes chez les patients souffrant d'épilepsie pharmacorésistante, candidats à la chirurgie. Les études ont révélé que les FRs proviennent de petits groupes de neurones hyperexcitables, qui nécessitent l'utilisation de microélectrodes intracérébrales pour leur enregistrement. Néanmoins, l'enregistrement des FRs à l'aide de microélectrodes métalliques conventionnelles reste difficile en raison de leur petite taille, qui augmente l'impédance, ce qui se traduit par un faible rapport signal à bruit et de la distorsion du signal. Cette thèse présente une approche guidée par la modélisation pour la conception de microélectrodes optimisées pour l'enregistrement des FRs. En particulier, est étudié le surfaçage des microélectrodes métalliques avec un polymère conducteur, notamment le Poly(3,4-éthylènedioxythiophène) polystyrène sulfonate de sodium (PEDOT:PSS). Un modèle computationnel neurophysiologique a été utilisé pour développer un modèle biophysique d'interface électrode-tissu cérébral, qui a été confronté à des enregistrements expérimentaux chez des souris épileptiques. De nouvelles électrodes organiques en carbone et en soie incorporant du PEDOT:PSS ont prouvé leur capacité à enregistrer des FRs en expérimentation. De plus, des mesures de spectroscopie d'impédance in vivo ont été effectuées pour étudier les propriétés électriques du tissu cicatriciel qui se forme autour des électrodes après l'implantation. Il a été déterminé que le tissu cicatriciel n'affectait pas l'enregistrement des FRs. Finalement, une grille flexible de microélectrodes en parylène-C avec du PEDOT:PSS a montré des résultats préliminaires prometteurs. Les perspectives de ce travail incluent la conception d'implants neuronaux pour d'autres applications dans lesquelles un enregistrement chronique sur de longues périodes est nécessaire.

Cette thèse discute de la conception d'algorithmes utilisant des méthodes d'apprentissage profond pour aborder trois questions clés dans le domaine de l'épilepsie. Premièrement, nous avons conçu un algorithme de détection automatique de l'épilepsie basé sur le Transformer et la fonction de perte LDAM afin d'aider les neurologues à identifier avec précision les signaux EEG épileptiques à partir d'enregistrements EEG de longue durée. Deuxièmement, nous avons proposé un algorithme de prédiction automatique de l'épilepsie basé sur l'apprentissage par transfert et la fusion de plusieurs caractéristiques, visant à émettre des avertissements d'épilepsie avant que les crises ne surviennent, minimisant ainsi ou évitant les dommages causés par les crises épileptiques. Enfin, nous avons introduit un algorithme de localisation des sources EEG épileptiques basé sur l'apprentissage multi-échelle et dirigé par la simulation pour analyser les signaux EEG du cuir chevelu et identifier avec précision les foyers épileptiques sur le cortex cérébral.

L’apprentissage de l’arthroscopie par simulation tend à s’imposer dans les programmes nationaux de formation procédurale en chirurgie orthopédique. Son évolution vers la réalité virtuelle (VR) offre un outil à la frontière entre réalités théorique et pratique et, surtout, inlassablement reproductible. Mais bien qu'il y ait de plus en plus d'articles scientifiques parlant de l'intérêt de la simulation VR en chirurgie arthroscopique, peu rapportent sa validité lors de la transposition des performances du simulateur vers le patient réel. Nous avons pu conduire différentes études dans un cadre structuré couplant de façon innovante formation et recherche en pédagogie afin d’évaluer la pertinence de ces simulateurs dans la formation initiale du chirurgien orthopédiste. L’objectif de la première étude fut de caractériser l’expertise chirurgicale sur simulateur VR d’arthroscopie à travers une analyse approfondie et innovante des trajectoires instrumentales. L’objectif de la seconde étude fut de confirmer l’acquisition et la transposition des compétences arthroscopiques de base du simulateur VR sur sujet anatomique d’un groupe d’internes en phase socle issus de notre réseau inter-régional dans le cadre d’une exploration arthroscopique diagnostique et méniscectomie partielle médiale guidée du genou. L’objectif de la troisième étude fut d’analyser le gain en compétences non techniques grace à cet apprentissage structuré notamment sur la gestion du stress en analysant la variabilité de fréquence cardiaque. L’un de nos objectifs futurs est de pouvoir transposer ces programmes structurés d’entraînement à d’autres apprentissages procéduraux notamment en réalité virtuelle immersive.

La réparation endovasculaire des anévrismes aortiques abdominaux (EVAR) et l’implantation valvulaire aortique transcathéter (TAVI) sont des interventions endovasculaires pour lesquelles l’analyse des images CT préopératoires est une étape préalable au planning et au guidage de navigation. Dans le cas de la procédure EVAR, les travaux se concentrent spécifiquement sur la question difficile de la segmentation de l’aorte dans l’imagerie CT acquise sans produit de contraste (NCCT), non encore résolue. Dans le cas de la procédure TAVI, ils abordent la détection des repères anatomiques permettant de prédire le risque de complications et de choisir la bioprothèse. Pour relever ces défis, nous proposons des méthodes automatiques basées sur l’apprentissage profond (DL). Un modèle entièrement supervisé basé sur la fusion de caractéristiques 2D-3D est d’abord proposé pour la segmentation vasculaire dans les NCCT. Un cadre faiblement supervisé basé sur des pseudo-labels gaussiens est ensuite envisagé pour réduire et faciliter l’annotation manuelle dans la phase d’apprentissage. Des méthodes hybrides faiblement et entièrement supervisées sont finalement proposées pour étendre la segmentation à des structures vasculaires plus complexes, au-delà de l’aorte abdominale. Pour la valve aortique dans les CT cardiaques, une méthode DL de détection en deux étapes des points de repère d’intérêt et entièrement supervisée est proposée. Les résultats obtenus contribuent à l’augmentation de l’image préopératoire et du modèle numérique du patient pour les interventions endovasculaires assistées par ordinateur.

La détection numérique de la fragilité à l'aide de capteurs embarqués chez les personnes âgées permet une détection pertinente des signes de fragilité physique (vitesse de marche et niveau d'activité physique) en tant que critères d'évaluation intermédiaires. Néanmoins, elle ne permet pas, à ce stade, de poser un diagnostic de fragilité d'un niveau de preuve équivalent à celui du diagnostic clinique. Le niveau de preuve le plus élevé semble concerner les accéléromètres triaxiaux. L’acceptabilité a priori d’un dispositif multimodal expérimental de détection de la fragilité a été évaluée. Le dispositif a inclus un accéléromètre porté en médaillon ou à la ceinture, une montre connectée intégrant un accéléromètre, une balance connectée, un tensiomètre connecté et une tablette connectée. L’acceptabilité a priori, c’est-à-dire avant l’utilisation du dispositif en vie réelle, est plutôt favorable. Le grand nombre de capteurs connectés apportés à la personne en même temps lors de la première visite à domicile peut expliquer pourquoi le confort d’utilisation a priori exprimé n'est pas aussi favorable que l’utilité perçue a priori. Ces résultats soulignent la nécessité d'une grande facilité d'utilisation et d'un fonctionnement quasi-parfait du système connecté pour une bonne acceptabilité.