Intégration de données et apprentissage relationnel pour la définition et la caractérisation de profils d’effets secondaires de médicaments

À propos de
l'événement

Le Centre de recherche en gestion des services de santé-FSA ULaval (CRGSS) vous invite à assister à la conférence donnée par la professeure invitée Malika Smaïl-Tabbone qui portera sur l’intégration de données et sur l’apprentissage relationnel pour la définition et la caractérisation de profils d’effets secondaires de médicaments.

Résumé

Les effets indésirables des médicaments constituent l’une des principales causes d’échec lors des essais cliniques. Pour y remédier, nous avons proposé une approche originale visant à mieux comprendre les profils d’effets secondaires des médicaments. À partir des bases de données publiques SIDER et DrugBank, les termes décrivant les effets indésirables (issus du vocabulaire MedDRA) sont regroupés en clusters sémantiques, puis combinés en profils fréquents partagés par plusieurs médicaments. Deux méthodes d’apprentissage sont ensuite déployées et comparées : les arbres de décision et la programmation logique inductive (PLI). Cette dernière, fondée sur l’apprentissage de règles à partir de données relationnelles, permet d’intégrer des connaissances biologiques et fonctionnelles (annotations, voies métaboliques). Les règles apprises sont expressives et permettent de prédire les profils d’effets secondaires pour de nouvelles molécules. L’approche PLI montre une meilleure sensibilité, soulignant l’intérêt des modèles symboliques enrichis par des connaissances métiers.